Au cours des leçons de cette semaine, vous découvrirez les techniques de traitement du langage naturel, qui sont à la base de toutes sortes d'applications de traitement de texte, le concept de modèle de recherche et l'idée de base du modèle d'espace vectoriel.

Dans les leçons de cette semaine, vous apprendrez comment le modèle de l'espace vectoriel fonctionne en détail, les principales heuristiques utilisées dans la conception d'une fonction de recherche pour classer les documents par rapport à une requête, et comment mettre en œuvre un système de recherche d'informations (c'est-à-dire un moteur de recherche), y compris comment construire un index inversé et comment classer rapidement les documents par rapport à une requête.

Dans les leçons de cette semaine, vous apprendrez comment évaluer un système de recherche d'informations (un moteur de recherche), y compris les mesures de base pour évaluer un ensemble de résultats récupérés et les principales mesures pour évaluer une liste classée, y compris la précision moyenne (AP) et le gain cumulatif actualisé normalisé (nDCG), et les questions pratiques dans l'évaluation, y compris les tests de signification statistique et la mise en commun.

Dans les leçons de cette semaine, vous apprendrez les modèles probabilistes de recherche et les modèles statistiques de langage, en particulier les détails de la fonction de recherche de vraisemblance de requête avec deux méthodes de lissage spécifiques, et comment la fonction de recherche de vraisemblance de requête est liée aux heuristiques de recherche utilisées dans le modèle de l'espace vectoriel.

Dans les leçons de cette semaine, vous apprendrez les techniques de retour d'information dans la recherche d'information, y compris la méthode de retour d'information de Rocchio pour le modèle d'espace vectoriel, et un modèle de mélange pour le retour d'information avec des modèles de langage. Vous apprendrez également comment fonctionnent les moteurs de recherche sur le web, y compris l'exploration et l'indexation du web, et comment les liens entre les pages web peuvent être exploités pour évaluer les pages web.

Dans les leçons de cette semaine, vous apprendrez comment l'apprentissage automatique peut être utilisé pour combiner plusieurs facteurs de notation afin d'optimiser le classement des documents dans la recherche sur le web (c'est-à-dire apprendre à classer), et vous apprendrez les techniques utilisées dans les systèmes de recommandation (également appelés systèmes de filtrage), y compris la recommandation/filtrage basée sur le contenu et le filtrage collaboratif. Vous aurez également l'occasion de revoir l'ensemble du cours.