Una cosa de la que debería tener cuidado es solo mirar tweets con palabras clave como ‘aprendizaje automático’. La razón es que hay muchas conversaciones sobre el aprendizaje automático que no implican las palabras ‘aprendizaje automático’. Por ejemplo, una conversación sobre qué clasificador usar para un problema.
Hay un artículo llamado ‘Nowcasting Events from the Social Web with Statistical Learning’ por Vasileios Lampos y Nello Cristianini:
http: //eprints.pascal-network.or…
- ¿Hay alguien aquí que pueda darme una lib correcta para R-Tree en Java?
- ¿Cuáles son algunas buenas charlas sobre fragmentación?
- Cómo calcular la huella de memoria de un modelo particular de aprendizaje profundo
- ¿Puede ocurrir un sobreajuste en un algoritmo de aprendizaje no supervisado?
- Cómo aplicar una técnica de validación cruzada en un modelo LSTM
que habla de fuentes mineras como Wikipedia para palabras clave derivadas de palabras clave relacionadas con el tema. Sin embargo, el documento se centra en el aprendizaje supervisado y no estoy muy seguro de cómo adaptar su técnica para enfoques no supervisados.
En cuanto a la agrupación de personas, no estoy seguro de si las medidas de centralidad darán buenos resultados. El hecho de que ciertas personas tengan muchos seguidores no significa que sean las más interesantes para usted. Algunas de las personas que encuentro más interesantes no tienen muchos seguidores.
Si ya tiene una lista de personas que hablan sobre el aprendizaje automático en Twitter, quizás una mejor manera de encontrar personas interesantes sería comparar las personas que encuentra con los amigos que ya tiene.
