Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data-Mining

4.5
Sterne
698 Bewertungen

92 %

ChengXiang Zhai

67.283 bereits angemeldet

von

Spezialisierung Data-Mining University of Illinois at Urbana-Champaign

Über diesen Kurs

19.462 kürzliche Aufrufe

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.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 6 in

Spezialisierung Data-Mining

Ca. 33 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Kompetenzen, die Sie erwerben

Data Clustering Algorithms
Text Mining
Probabilistic Models
Sentiment Analysis

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 6 in

Spezialisierung Data-Mining

Ca. 33 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dozentenbewertung

4,55/5 (50 Bewertungen)

ChengXiang Zhai

Professor

Department of Computer Science

96.782 Lernende

4 Kurse

von

University of Illinois at Urbana-Champaign

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung92%(2,982 Bewertungen)

Woche1

Woche 1

2 Stunden zum Abschließen

Orientation

2 Stunden zum Abschließen

2 Videos (Gesamt 15 min), 5 Lektüren, 2 Quiz

4 Stunden zum Abschließen

Week 1

4 Stunden zum Abschließen

9 Videos (Gesamt 109 min), 1 Lektüre, 2 Quiz

9 Videos

1.1 Overview Text Mining and Analytics: Part 111m1.2 Overview Text Mining and Analytics: Part 211m1.3 Natural Language Content Analysis: Part 112m1.4 Natural Language Content Analysis: Part 24m1.5 Text Representation: Part 110m1.6 Text Representation: Part 29m1.7 Word Association Mining and Analysis15m1.8 Paradigmatic Relation Discovery Part 114m1.9 Paradigmatic Relation Discovery Part 217m

1 Lektüre

Week 1 Overview10m

2 praktische Übungen

Week 1 Practice Quiz1hWeek 1 Quiz1h

Woche2

Woche 2

4 Stunden zum Abschließen

Week 2

4 Stunden zum Abschließen

10 Videos (Gesamt 116 min), 1 Lektüre, 2 Quiz

10 Videos

2.1 Syntagmatic Relation Discovery: Entropy11m2.2 Syntagmatic Relation Discovery: Conditional Entropy11m2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113m2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29m2.5 Topic Mining and Analysis: Motivation and Task Definition7m2.6 Topic Mining and Analysis: Term as Topic11m2.7 Topic Mining and Analysis: Probabilistic Topic Models14m2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110m2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213m2.10 Probabilistic Topic Models: Mining One Topic12m

1 Lektüre

Week 2 Overview10m

2 praktische Übungen

Week 2 Practice Quiz1hWeek 2 Quiz1h

Woche3

Woche 3

10 Stunden zum Abschließen

Week 3

10 Stunden zum Abschließen

10 Videos (Gesamt 103 min), 2 Lektüren, 3 Quiz

10 Videos

3.1 Probabilistic Topic Models: Mixture of Unigram Language Models12m3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110m3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28m3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111m3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210m3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36m3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110m3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210m3.9 Latent Dirichlet Allocation (LDA): Part 110m3.10 Latent Dirichlet Allocation (LDA): Part 212m

2 Lektüren

Week 3 Overview10mProgramming Assignments Overview10m

2 praktische Übungen

Week 3 Practice Quiz1hQuiz: Week 3 Quiz1h

Woche4

Woche 4

5 Stunden zum Abschließen

Week 4

5 Stunden zum Abschließen

9 Videos (Gesamt 141 min), 1 Lektüre, 2 Quiz

9 Videos

4.1 Text Clustering: Motivation15m4.2 Text Clustering: Generative Probabilistic Models Part 116m4.3 Text Clustering: Generative Probabilistic Models Part 28m4.4 Text Clustering: Generative Probabilistic Models Part 314m4.5 Text Clustering: Similarity-based Approaches17m4.6 Text Clustering: Evaluation10m4.7 Text Categorization: Motivation14m4.8 Text Categorization: Methods11m4.9 Text Categorization: Generative Probabilistic Models31m

1 Lektüre

Week 4 Overview10m

2 praktische Übungen

Week 4 Practice Quiz1hWeek 4 Quiz1h

Woche5

Woche 5

4 Stunden zum Abschließen

Week 5

4 Stunden zum Abschließen

7 Videos (Gesamt 121 min), 1 Lektüre, 2 Quiz

7 Videos

5.1 Text Categorization: Discriminative Classifier Part 120m5.2 Text Categorization: Discriminative Classifier Part 231m5.3 Text Categorization: Evaluation Part 114m5.4 Text Categorization: Evaluation Part 210m5.5 Opinion Mining and Sentiment Analysis: Motivation17m5.6 Opinion Mining and Sentiment Analysis: Sentiment Classification11m5.7 Opinion Mining and Sentiment Analysis: Ordinal Logistic Regression13m

1 Lektüre

Week 5 Overview10m

2 praktische Übungen

Week 5 Practice Quiz1hWeek 5 Quiz1h

Woche6

Woche 6

4 Stunden zum Abschließen

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 Stunden zum Abschließen

8 Videos (Gesamt 120 min), 1 Lektüre, 2 Quiz

8 Videos

6.1 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 115m6.2 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 214m6.3 Text-Based Prediction12m6.4 Contextual Text Mining: Motivation6m6.5 Contextual Text Mining: Contextual Probabilistic Latent Semantic Analysis17m6.6 Contextual Text Mining: Mining Topics with Social Network Context14m6.7 Contextual Text Mining: Mining Casual Topics with Time Series Supervision19m6.8 Course Summary18m

1 Lektüre

Week 6 Overview10m

2 praktische Übungen

Week 6 Practice Quiz1hWeek 6 Quiz1h

Bewertungen

4.5

144 Bewertungen

5 stars
68,14 %
4 stars
20,42 %
3 stars
7,85 %
2 stars
1,85 %
1 star
1,71 %

Top-Bewertungen von TEXT MINING AND ANALYTICS

von DO3. Dez. 2022

Prof. Zhai's textbook is well-worth the added investment. His Coursera lectures helped me to "read between the lines."

von RC24. Juni 2017

very theoretical. very insightful too. finally got a glimpse how the features that I took for granted took shape ... thanks to the instructor, I love the textbook as well ~

von SS20. Juni 2017

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

von GP1. Nov. 2017

Outstanding mix of theory and practical applications to help understand the theory. Well organized and excellent presentations. Thank you!

Alle Bewertungen anzeigen

Über den Spezialisierung Data-Mining

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.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Text Mining and Analytics

Über diesen Kurs

Kompetenzen, die Sie erwerben