Ce cours fait partie de la Spécialisation Exploration de données

4.5
étoiles
695 évaluations

92 %

ChengXiang Zhai

66 341 déjà inscrits

Offert par

Spécialisation Exploration de données Université de l'Illinois à Urbana-Champaign

À propos de ce cours

21 930 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 6 dans le

Spécialisation Exploration de données

Approx. 33 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Compétences que vous acquerrez

Data Clustering Algorithms
Text Mining
Probabilistic Models
Sentiment Analysis

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 6 dans le

Spécialisation Exploration de données

Approx. 33 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Enseignant

Évaluation de l'enseignant

4,54/5 (48 évaluations)

ChengXiang Zhai

Professor

Department of Computer Science

95 128 étudiants

4 cours

Offert par

Université de l'Illinois à Urbana-Champaign

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu92%(2,970 évaluations)

Semaine

Semaine 1

2 heures pour terminer

Orientation

2 heures pour terminer

2 vidéos (Total 15 min), 5 lectures, 2 quiz

4 heures pour terminer

Week 1

4 heures pour terminer

9 vidéos (Total 109 min), 1 lecture, 2 quiz

9 vidéos

1.1 Overview Text Mining and Analytics: Part 111 min

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 lecture

Week 1 Overview10 min

2 exercices pour s'entraîner

Week 1 Practice Quiz1 h

Week 1 Quiz1 h

Semaine

Semaine 2

4 heures pour terminer

Week 2

4 heures pour terminer

10 vidéos (Total 116 min), 1 lecture, 2 quiz

10 vidéos

2.1 Syntagmatic Relation Discovery: Entropy11 min

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 lecture

Week 2 Overview10 min

2 exercices pour s'entraîner

Week 2 Practice Quiz1 h

Week 2 Quiz1 h

Semaine

Semaine 3

10 heures pour terminer

Week 3

10 heures pour terminer

10 vidéos (Total 103 min), 2 lectures, 3 quiz

10 vidéos

3.1 Probabilistic Topic Models: Mixture of Unigram Language Models12 min

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 Quiz1 h

Quiz: Week 3 Quiz1 h

Semaine

Semaine 4

5 heures pour terminer

Week 4

5 heures pour terminer

9 vidéos (Total 141 min), 1 lecture, 2 quiz

9 vidéos

4.1 Text Clustering: Motivation15 min

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 lecture

Week 4 Overview10 min

2 exercices pour s'entraîner

Week 4 Practice Quiz1 h

Week 4 Quiz1 h

Semaine

Semaine 5

4 heures pour terminer

Week 5

4 heures pour terminer

7 vidéos (Total 121 min), 1 lecture, 2 quiz

7 vidéos

5.1 Text Categorization: Discriminative Classifier Part 120 min

5.2 Text Categorization: Discriminative Classifier Part 231 min

5.3 Text Categorization: Evaluation Part 114 min

5.4 Text Categorization: Evaluation Part 210 min

5.5 Opinion Mining and Sentiment Analysis: Motivation17 min

5.6 Opinion Mining and Sentiment Analysis: Sentiment Classification11 min

5.7 Opinion Mining and Sentiment Analysis: Ordinal Logistic Regression13 min

1 lecture

Week 5 Overview10 min

2 exercices pour s'entraîner

Week 5 Practice Quiz1 h

Week 5 Quiz1 h

Semaine

Semaine 6

4 heures pour terminer

Week 6

During this module, you will continue learning about sentiment analysis and opinion mining with a focus on Latent Aspect Rating Analysis (LARA), and you will learn about techniques for joint mining of text and non-text data, including contextual text mining techniques for analyzing topics in text in association with various context information such as time, location, authors, and sources of data. You will also see a summary of the entire course.

4 heures pour terminer

8 vidéos (Total 120 min), 1 lecture, 2 quiz

8 vidéos

6.1 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 115 min

6.2 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 214 min

6.3 Text-Based Prediction12 min

6.4 Contextual Text Mining: Motivation6 min

6.5 Contextual Text Mining: Contextual Probabilistic Latent Semantic Analysis17 min

6.6 Contextual Text Mining: Mining Topics with Social Network Context14 min

6.7 Contextual Text Mining: Mining Casual Topics with Time Series Supervision19 min

6.8 Course Summary18 min

1 lecture

Week 6 Overview10 min

2 exercices pour s'entraîner

Week 6 Practice Quiz1 h

Week 6 Quiz1 h

Avis

4.5

143 avis

5 stars
68,05 %
4 stars
20,43 %
3 stars
7,91 %
2 stars
1,87 %
1 star
1,72 %

Meilleurs avis pour EXPLOITATION DE TEXT ET ANALYTIQUE

par SS20 juin 2017

My favorite course and my favorite instructor. Highly informative. I wish i want to be a real student of the instructor.

par RS27 déc. 2020

Practical stuff were lacking in python rest the content was excellent. love the way the instructor taught the content

par AJ14 juil. 2019

This course teaches you the very nitty-gritty details of text mining. It has been an enriching experience for me in this course.

par AC11 févr. 2017

This is a very good course. I think it provides a very good foundation of text mining and analytics like PLSA and LDA. More advanced research discussed in the last lecture is also very interesting.

Voir tous les avis

À propos du 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.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Développez les compétences de vos employés, obtenez des résultats commerciaux

Découvrez Coursera pour les affaires

Exploitation de text et analytique

À propos de ce cours

Compétences que vous acquerrez