Analyze Text Data with Yellowbrick
Use visual diagnostic tools from Yellowbrick to steer your machine learning workflow
Vectorize text data using TF-IDF
Cluster documents using embedding techniques and appropriate metrics
Welcome to this project-based course on Analyzing Text Data with Yellowbrick. Tasks such as assessing document similarity, topic modelling and other text mining endeavors are predicated on the notion of "closeness" or "similarity" between documents. In this course, we define various distance metrics (e.g. Euclidean, Hamming, Cosine, Manhattan, etc) and understand their merits and shortcomings as they relate to document similarity. We will apply these metrics on documents within a specific corpus and visualize our results. By the end of this course, you will be able to confidently use visual diagnostic tools from Yellowbrick to steer your machine learning workflow, vectorize text data using TF-IDF, and cluster documents using embedding techniques and appropriate metrics. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, Yellowbrick, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Habilidades que você desenvolverá
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Introduction and Loading the Corpus
Vectorizing the Documents
Clustering Similar Documents with Squared Euclidean Distance And Euclidean Distance
Manhattan (aka “Taxicab” or “City Block”) Distance
Bray Curtis Dissimilarity and Canberra Distance
Cosine Distance
What Metrics Not to Use
Omitting Class Labels - Using KMeans Clustering
Como funcionam os projetos guiados
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
Avaliações
Principais avaliações do ANALYZE TEXT DATA WITH YELLOWBRICK
Could have run through the theory behind the library functions a bit more as a refresher but for brevity's sake it is alright the instructor did not.
It was an amazing test and this lecture i like same with my area teaching.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu receberei se comprar um Projeto guiado?
Os Projetos Guiados estão disponíveis para desktop e dispositivos móveis?
Quem são os instrutores dos Projetos guiados?
Posso baixar o trabalho do meu Projeto Guiado após completá-lo?
Como funciona a política de reembolso?Como funciona a política de reembolso?
Existe algum auxílio financeiro disponível?
Posso participar como ouvinte de um Projeto Guiado e assistir de graça a uma parte do vídeo?
Quanta experiência eu preciso ter para fazer esse Projeto guiado?
Posso completar esse Projeto Guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizagem com Projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
