Recent years have seen a dramatic growth of natural language text data, including web pages, news articles, scientific literature, emails, enterprise documents, and social media such as blog articles, forum posts, product reviews, and tweets. Text data are unique in that they are usually generated directly by humans rather than a computer system or sensors, and are thus especially valuable for discovering knowledge about people’s opinions and preferences, in addition to many other kinds of knowledge that we encode in text.
oferecido por
Programa de cursos integrados Mineração de dadosData Mining Universidade de Illinois em Urbana-ChampaignUniversidade de Illinois em Urbana-ChampaignInformações sobre o curso
49,032 visualizações recentes
Resultados de carreira do aprendiz
50%
comecei uma nova carreira após concluir estes cursos
67%
consegui um benefício significativo de carreira com este curso
29%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 2 de 6 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 31 horas para completar
Inglês
Legendas: Inglês, Coreano
Habilidades que você terá
Information Retrieval (IR)Document RetrievalMachine LearningRecommender Systems
Resultados de carreira do aprendiz
50%
comecei uma nova carreira após concluir estes cursos
67%
consegui um benefício significativo de carreira com este curso
29%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 2 de 6 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 31 horas para completar
Inglês
Legendas: Inglês, Coreano
oferecido por
Universidade de Illinois em Urbana-ChampaignUniversidade de Illinois em 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.
Comece a trabalhar rumo ao seu mestrado
Este curso é parte da graduação 100% on-line Master in Computer Science da Universidade de Illinois em Urbana-ChampaignUniversidade de Illinois em Urbana-Champaign.
Caso seja aceito para o programa completo, seus cursos contarão para sua graduação.
Programa - O que você aprenderá com este curso
2 horas para concluir
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 horas para concluir
2 vídeos (Total 15 mín.), 6 leituras, 2 testes
6 leituras
Welcome to Text Retrieval and Search Engines!10min
Syllabus10min
About the Discussion Forums10min
Updating your Profile10min
Social Media10min
Course Errata10min
2 exercícios práticos
Orientation Quiz15min
Pre-Quiz30min
4 horas para concluir
Week 1
During this week's lessons, you will learn of natural language processing techniques, which are the foundation for all kinds of text-processing applications, the concept of a retrieval model, and the basic idea of the vector space model.
4 horas para concluir
6 vídeos (Total 94 mín.), 1 leitura, 2 testes
6 videos
Lesson 1.2: Text Access9min
Lesson 1.3: Text Retrieval Problem26min
Lesson 1.4: Overview of Text Retrieval Methods10min
Lesson 1.5: Vector Space Model - Basic Idea9min
Lesson 1.6: Vector Space Retrieval Model - Simplest Instantiation17min
1 leituras
Week 1 Overview10min
2 exercícios práticos
Week 1 Practice Quiz1h
Week 1 Quiz1h
4 horas para concluir
Week 2
In this week's lessons, you will learn how the vector space model works in detail, the major heuristics used in designing a retrieval function for ranking documents with respect to a query, and how to implement an information retrieval system (i.e., a search engine), including how to build an inverted index and how to score documents quickly for a query.
4 horas para concluir
6 vídeos (Total 102 mín.), 1 leitura, 2 testes
6 videos
Lesson 2.2: TF Transformation9min
Lesson 2.3: Doc Length Normalization18min
Lesson 2.4: Implementation of TR Systems21min
Lesson 2.5: System Implementation - Inverted Index Construction18min
Lesson 2.6: System Implementation - Fast Search17min
1 leituras
Week 2 Overview10min
2 exercícios práticos
Week 2 Practice Quiz1h
Week 2 Quiz1h
7 horas para concluir
Week 3
In this week's lessons, you will learn how to evaluate an information retrieval system (a search engine), including the basic measures for evaluating a set of retrieved results and the major measures for evaluating a ranked list, including the average precision (AP) and the normalized discounted cumulative gain (nDCG), and practical issues in evaluation, including statistical significance testing and pooling.
7 horas para concluir
6 vídeos (Total 75 mín.), 2 leituras, 3 testes
6 videos
Lesson 3.2: Evaluation of TR Systems - Basic Measures12min
Lesson 3.3: Evaluation of TR Systems - Evaluating Ranked Lists - Part 115min
Lesson 3.4: Evaluation of TR Systems - Evaluating Ranked Lists - Part 210min
Lesson 3.5: Evaluation of TR Systems - Multi-Level Judgements10min
Lesson 3.6: Evaluation of TR Systems - Practical Issues15min
2 leituras
Week 3 Overview10min
Programming Assignments Overview10min
2 exercícios práticos
Week 3 Practice Quiz1h
Week 3 Quiz1h
4 horas para concluir
Week 4
In this week's lessons, you will learn probabilistic retrieval models and statistical language models, particularly the detail of the query likelihood retrieval function with two specific smoothing methods, and how the query likelihood retrieval function is connected with the retrieval heuristics used in the vector space model.
4 horas para concluir
7 vídeos (Total 88 mín.), 1 leitura, 2 testes
7 videos
Lesson 4.2: Statistical Language Model17min
Lesson 4.3: Query Likelihood Retrieval Function12min
Lesson 4.4: Statistical Language Model - Part 112min
Lesson 4.5: Statistical Language Model - Part 29min
Lesson 4.6: Smoothing Methods - Part 19min
Lesson 4.7: Smoothing Methods - Part 213min
1 leituras
Week 4 Overview10min
2 exercícios práticos
Week 4 Practice Quiz1h
Week 4 Quiz1h
Avaliações
Principais avaliações do RECUPERAÇÃO DE TEXTO E MOTORES DE BUSCA
por JH20 de Set de 2016
Great course for those trying to understand how ro analyse and process text data. It has the right amount of tools to help you understand the basics of information retrieval and search engines.
por SX27 de Mar de 2018
I have learned a lot of concepts through this course, but at a shallow level. It is a great introduction course to IR. It can be improved by adding more programming tasks for hands-on exercise
por JW25 de Jun de 2020
I will keep the last star for not using a more cutting edge programming language, e.g. python. MeTa is not really helpful in the business world and that discounts the value of this course.
por WP27 de Mai de 2017
I found that there were a lot of mathematical function in this course. I need to see the examples of how are those functions applied in the real programming which support the business.
Sobre Programa de cursos integrados Mineração de dadosData 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.
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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.
Existe algum auxílio financeiro disponível?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
