This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort.
Detailed analysis of text data requires understanding of natural language text, which is known to be a difficult task for computers. However, a number of statistical approaches have been shown to work well for the "shallow" but robust analysis of text data for pattern finding and knowledge discovery. You will learn the basic concepts, principles, and major algorithms in text mining and their potential applications.
Ce cours fait partie de la Spécialisation Exploration de données
Exploitation de text et analytique
proposé par
À propos de ce cours
4.4
350 notes
Compétences que vous acquerrez
Data Clustering AlgorithmsText MiningProbabilistic ModelsSentiment Analysis
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
12 heures pour terminer
Orientation
You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.
2 vidéos (Total 15 min), 5 lectures, 2 quiz
5 lectures
Welcome to Text Mining and Analytics!10 min
Syllabus15 min
About the Discussion Forums15 min
Updating your Profile10 min
Social Media10 min
2 exercices pour s'entraîner
Orientation Quiz15 min
Pre-Quiz26 min
4 heures pour terminer
Week 1
During this module, you will learn the overall course design, an overview of natural language processing techniques and text representation, which are the foundation for all kinds of text-mining applications, and word association mining with a particular focus on mining one of the two basic forms of word associations (i.e., paradigmatic relations).
9 vidéos (Total 109 min), 1 lecture, 2 quiz
9 vidéos
1.2 Overview Text Mining and Analytics: Part 211 min
1.3 Natural Language Content Analysis: Part 112 min
1.4 Natural Language Content Analysis: Part 24 min
1.5 Text Representation: Part 110 min
1.6 Text Representation: Part 29 min
1.7 Word Association Mining and Analysis15 min
1.8 Paradigmatic Relation Discovery Part 114 min
1.9 Paradigmatic Relation Discovery Part 217 min
1 lectures
Week 1 Overview10 min
2 exercices pour s'entraîner
Week 1 Practice Quizs
Week 1 Quizs
Semaine
24 heures pour terminer
Week 2
During this module, you will learn more about word association mining with a particular focus on mining the other basic form of word association (i.e., syntagmatic relations), and start learning topic analysis with a focus on techniques for mining one topic from text.
10 vidéos (Total 116 min), 1 lecture, 2 quiz
10 vidéos
2.2 Syntagmatic Relation Discovery: Conditional Entropy11 min
2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113 min
2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29 min
2.5 Topic Mining and Analysis: Motivation and Task Definition7 min
2.6 Topic Mining and Analysis: Term as Topic11 min
2.7 Topic Mining and Analysis: Probabilistic Topic Models14 min
2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110 min
2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213 min
2.10 Probabilistic Topic Models: Mining One Topic12 min
1 lectures
Week 2 Overview10 min
2 exercices pour s'entraîner
Week 2 Practice Quizs
Week 2 Quizs
Semaine
310 heures pour terminer
Week 3
During this module, you will learn topic analysis in depth, including mixture models and how they work, Expectation-Maximization (EM) algorithm and how it can be used to estimate parameters of a mixture model, the basic topic model, Probabilistic Latent Semantic Analysis (PLSA), and how Latent Dirichlet Allocation (LDA) extends PLSA.
10 vidéos (Total 103 min), 2 lectures, 3 quiz
10 vidéos
3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110 min
3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28 min
3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111 min
3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210 min
3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36 min
3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110 min
3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210 min
3.9 Latent Dirichlet Allocation (LDA): Part 110 min
3.10 Latent Dirichlet Allocation (LDA): Part 212 min
2 lectures
Week 3 Overview10 min
Programming Assignments Overview10 min
2 exercices pour s'entraîner
Week 3 Practice Quizs
Quiz: Week 3 Quizs
Semaine
45 heures pour terminer
Week 4
During this module, you will learn text clustering, including the basic concepts, main clustering techniques, including probabilistic approaches and similarity-based approaches, and how to evaluate text clustering. You will also start learning text categorization, which is related to text clustering, but with pre-defined categories that can be viewed as pre-defining clusters.
9 vidéos (Total 141 min), 1 lecture, 2 quiz
9 vidéos
4.2 Text Clustering: Generative Probabilistic Models Part 116 min
4.3 Text Clustering: Generative Probabilistic Models Part 28 min
4.4 Text Clustering: Generative Probabilistic Models Part 314 min
4.5 Text Clustering: Similarity-based Approaches17 min
4.6 Text Clustering: Evaluation10 min
4.7 Text Categorization: Motivation14 min
4.8 Text Categorization: Methods11 min
4.9 Text Categorization: Generative Probabilistic Models31 min
1 lectures
Week 4 Overview10 min
2 exercices pour s'entraîner
Week 4 Practice Quizs
Week 4 Quizs
4.4
91 avis33%
a commencé une nouvelle carrière après avoir terminé ces cours
57%
a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
17%
a obtenu une augmentation de salaire ou une promotion
Meilleurs avis
Excellent course, the pipeline they propose to help you understand text mining is quite helpful. It has an important introduction to the most key concepts and techniques for text mining and analytics.
The content of Text Mining and Analytics is very comprehensive and deep. More practise about how formula works would be better. Quiz could be not tough to be completed after attending every lectures.
Enseignants
ChengXiang Zhai
ProfessorDepartment of Computer Science
Commencez à travailler pour obtenir votre master
Ce cours fait partie du diplôme intégralement en ligne Master in Computer Science de Université de l'Illinois à Urbana-Champaign.
Si vous êtes admis au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.
À propos de Université de l'Illinois à Urbana-Champaign
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
À propos de la Spécialisation Exploration de données
The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.
Courses 2 - 5 of this Specialization form the lecture component of courses in the online Master of Computer Science Degree in Data Science. You can apply to the degree program either before or after you begin the Specialization.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
