Unit 5 8 SPAM DetectionYouTube↗  IA↗(long shot)
Howto & Style  8.6K views 15 likes 1 dislikes   17 Oct 2011
knowitvideos 11.8K subscribers N/A YouTube↗


Please select the problem
You must specify your email and describe the problem in detail
Describe your problem in detail if it's not obvious

Click to Play Video Click to Play Video
Bardzo ważnym przykładem
Ora, un esempio molto importante
uczenia maszynowego, jest wykrywanie niechcianej poczty.
sull'apprendimento automatico è il rilevamento dello SPAM
Wszyscy dostajemy zbyt wiele e-maili
Abbiamo tutti fin troppe email
z których znakomitą część stanowi SPAM.
e molte di esse sono SPAM
Oto 3 przykłady e-maili.
Ecco 3 esempi di email.
Drogi Panie. Muszę nasamprzód ubegać się o Pańską poufność
Caro Signore: Innanzitutto devo richiedere la sua fiducia
przy tej transakcji, która mocą swej natury
in questo affare, in virtù della sua natura
całkowicie jest poufną i tajną.
del tutto confidenziale e top secret ...
To prawdopodobnie jest spam.
Questo è probabilmente SPAM.
Oto kolejna
Eccone un'altra.
Wielkimi literami
In maiuscolo.
99 MILIONÓW ADRESÓW E-MAIL ZA JEDYNE $99
99 MILIONI DI INDIRIZZI EMAL PER SOLI 99$
To bardzo prawdopodobnie jest spam.
Si tratta molto probabilmente di SPAM.
A oto kolejna.
Ed eccone un'altra.
Och, wiem, że to jest rażąco nie na temat,
Oh, lo so che è palesemente OT
ale zaczynam już wariować.
ma sto cominciando a impazzire.
W kącie mym kurzył się stary Dell Dimension XPS
Avevo un vecchio Dell Dimension XPS messo in un angolo
i postanowiłem przywrócic mu życie.
e ha deciso di metterlo in uso.
I tak dalej i tak dalej.
E così via e così via.
To prawdopodobnie nie jest spam.
Ora questo probabilmente non è SPAM.
W jaki sposób program komputerowy
Come può un programma per computer
może odróżnić spam od nie-spamu?
distinguere tra SPAM e non SPAM?
Użyjmy tego jako przykładu
Usiamo questo come esempio
aby pomówić o uczeniu maszynowym dla dyskryminacji
per parlare di apprendimento automatico per discriminazione
w oparciu o sieci Bayesa.
utilizzando le reti di Bayes.
Prz wykrywaniu spamu
Nel rilevamento dello SPAM
otrzymujemy e-maila
riceviamo una e-mail
którego chcemy zakategoryzować
e vogliamo classificarlo
albo jako mielonkę,
o come SPAM
w którym przypadku nie pokazujemy tego nawet czytelnikowi
nel qual caso non vogliamo nemmeno mostrarla al lettore
albo jako szyneczkę
oppure ciò che chiamiamo HAM (prosciutto)
co jest technicznym słowem określającym
che è il termine tecnico per
e-maila godnego uwagi osoby, do której jest adresowany.
una email che merita di essere passata al destinatario.
Zatem ta funkcja tutaj
Quindi questa funzione
jest funkcją, której chcemy się nauczyć.
è la funzione che stiamo cercando di imparare.
Większość filtrów antyspamowych używa danych od człowieka.
La maggior parte dei filtri SPAM fa uso di input umano.
Kiedy czytasz pocztę,
Quando si scorre la email
masz guzik, na którym jest napisane "Spam"
è presente un pulsante chiamato "E' SPAM"
który pozwala Tobie, jako użytkownikowi, oznaczyć Spam
che ti permette in quanto utente di contrassegnare lo SPAM
i od czasu do czasu powiesz, że e-mail jest spamem.
e, occasionalmente, direte che una email è SPAM.
Jeżeli spojrzymy na to,
Se si guarda a questo
to jest to typowy przykład uczenia maszynowego z nadzorem,
si ha una tipica situazione di apprendimento automatico supervisionato
w którym wejściem jest e-mail
dove l'input è una email
a wyjściem to, czy oznaczyć mail jako spam,
e l'uscita è l'eventualità che sia contrassegnata come SPAM.
czy nie oznaczać go w ten sposób.
o se non la contrassegnamo
i uznać, że to szyneczka.
pensiamo semplicemente che sia HAM.
Aby uczynić to strawnym
Ora, per rendere questo riconducibile
dla algorytmu uczenia maszynowego
ad un algoritmo di apprendimento automatico
musimy zdecydować, jak reprezentować e-maile.
dobbiamo parlare di come rappresentare le email.
Wszystkie używają różnych słów i różnych znaków
Queste usano tutte parole e caratteri diversi
i mogą zawierać w sobie różną grafikę.
e potrebbero anche avere diverse grafiche.
Wybierzmy reprezentację, którą dałoby się łatwo przetwarzać
Prendiamo una rappresentazione facile da analizzare
Reprezentacja ta nazywana jest
Questa rappresentazione è spesso chiamata
Workiem Słów.
Bag of Words (lett. Sacco di Parole)
Worek Słów stanowi reprezentację
Bag of Words è una rappresentazione
dokumentu
di un documento
która zlicza po prostu ilość wystąpień
che conta semplicemente la frequenza
słów.
delle parole.
Jeżeli w liście byłoby napisane "Cześć,
Se una email voleva dire "Hello, (ciao)
ja chcę powiedzieć Cześć",
I will say Hello". (dirò ciao)
reprezentacja jako Worek Słów
La rappresentazione "Bag of Words"
będzie następująca.
è la seguente:
2-1-1-1
2-1-1-1
w słowniku
per il dizionario
który zawiera 4 słowa
che contiene le 4 parole
Cześć ja chcę powiedzieć.
Hello I will say
Proszę spojrzeć tu na pewną subtelność.
Ora notate la sottigliezza
Zamiast reprezentować każde pojedyncze słowo
Piuttosto che rappresentare ogni parola individualmente
mamy liczbę wystąpień każdego słowa
abbiamo un conteggio per ogni parola
a liczba ta całkowicie pomija
ed il conteggio è ignaro
kolejność, w jakiej pojawiły się słowa.
dell'ordine in cui le parole sono messe.
Reprezentacja jako Worek Słów
Una rappresentazione "Bag of Words"
względem ustalonego słownika
relativa ad un dizionario fissato
reprezentuję liczbę wystąpień każdego słowa
rappresenta il conto di ogni parola
względem słów w słowniku.
relativamente alle parole nel dizionario.
Gdybyśmy mieli użyć innego słownika
Se dovessi usare un dizionario differente
zawierającego na przyklad "cześć" i "do widzenia"
come "hello" e "good-bye"
nasze liczby wynosiłyby
il conteggio sarebbe
2 i 0.
2 e 0.
Jednak w większości przypadków
Comunque, in molti casi
mamy pewnośc, że wszystkie słowa wyłowione
ti assicuri che tutte le parole trovate
z wiadomości
nei messaggi
są zawarte w słowniku.
sono effettivamente incluse nel dizionario
Zatem słownik może być bardzo bardzo duży.
Quindi il dizionario potrebbe essere molto, molto largo.
Wymyślę teraz nieoficjalny przykład
Fatemi fare un esempio non ufficiale
kilku wiadomości mielonkowych i kilku szyneczkowych.
di un po' di messaggi SPAM e HAM
Offer is secret.
L'offerta è segreta
Click secret link.
Clicca il link segreto
Secret sports link.
Link segreti sullo sport
Oczywiście są one zmyślone
Ovviamente questi sono fatti apposta
i starałem się ograniczyć leksykon
ed ho cercato di mantenere il contenuto
do niewielkiej liczby słów
in un numero limitato di parole
aby ten przykład mógł działać.
per rendere questo esempio utilizzabile.
W praktyce używa się tysięcy
In pratica ci servono migliaia
takich wiadomości
di questi messaggi
żeby otrzymać dobrą informację.
per ottenere buone informazioni.
Play sports today.
Faccio sport oggi.
Went play sports.
Sono andato a fare sport.
Secret sports event.
Evento sportivo segreto
Sport is today.
Lo sport è oggi.
Sport costs money.
Lo sport costa denaro.
Moja pierwsza zagadka brzmi
Il mio primo quiz è
Jaki rozmiar musiałby mieć słownik
Qual è la dimensione del vocabolario
który by zawierał wszystkie słowa w tych wiadomościach?
che contiene tutte le parole di questi messaggi?
Proszę wpisać wartość w niniejsze pole.
Inserite il valore nella casella.
Similar videos:

[ENG SUB] 110811 Mnet Wide Super Junior Interview Part 2/3
yingxuan0806
65.3K views 363 likes 5 dislikes 18 Sep 2011100% match

Unit 3 7a Bayes Rule Graphically

18K views 14 likes 4 dislikes 08 Oct 2011100% match



Unit 2, Topic 28, Optimistic Heuristics

17.7K views 26 likes 3 dislikes 05 Oct 2011100% match



Unit 11 05.mp4 Markov Chain Question 1.mp4

10.1K views 8 likes 1 dislikes 11 Nov 2011100% match

Gundarr (Ep 6): Beach Body Toddy (subtitulado al castellano)
daniborr
15.1K views 64 likes 8 dislikes 26 Jun 2012100% match

HeartMath - Intuitive Intelligence

39.8K views 0 likes 0 dislikes 02 Apr 2014100% match

CEOS Chatter
Fernando Garcia
1.3K views 2 likes 1 dislikes 14 Mar 2012100% match

Unit 2, Topic 23, A-Star Search

138K views 392 likes 60 dislikes 05 Oct 2011100% match



Mr. Peabody & Sherman
TheCaptionedInternet
43.6K views 74 likes 9 dislikes 03 Mar 2014100% match

Instrucciones para llorar, de Julio Cortázar
Inés Andrés
5.9K views 10 likes 0 dislikes 10 Jan 2012100% match

Unit 3 2 Probabilities

19.5K views 10 likes 0 dislikes 08 Oct 2011100% match




Unit 3 11a Answer

10.6K views 16 likes 40 dislikes 08 Oct 2011100% match

El superzorro
Kuenta Libros
9.1K views 16 likes 32 dislikes 10 Jun 2012100% match

Gundarr (Ep 34): Carjackers (subtitulado al castellano)
daniborr
16.6K views 63 likes 2 dislikes 05 Dec 2012100% match

Recomendación kuentalibros - pizarra digital y niños con discapacidad auditiva
anitamc20
933 views 1 likes 0 dislikes 21 Dec 2012100% match

(ENG/CHI SUB) 140216 SM True Thailand Facebook EXO
Baby Xiumin
783 views 10 likes 0 dislikes 16 Feb 2014100% match
0 views 0 likes 0 dislikes 05 Jun 2026100% match







Akihiro Miwa & Hiroyuki Ehara on Women & Future (Eng sub)
2bfreeism
23.6K views 99 likes 7 dislikes 31 Aug 2013100% match

Unit 4, 6 Sampling Example

8.6K views 8 likes 0 dislikes 06 Oct 2011100% match

Gundarr (Ep 9): Meals on Heels (subtitulado al castellano)
daniborr
11.1K views 33 likes 5 dislikes 01 Jul 2012100% match

Unit 2, Topic 20, Storage Requirements, Completeness

18.1K views 19 likes 3 dislikes 05 Oct 2011100% match




Gundarr (Ep 1): Crystal Whipped (subtitulado al castellano)
daniborr
16.1K views 62 likes 11 dislikes 21 Jun 2012100% match

Hitman Absolution: Hiding In Plain Sight (subtitulado al castellano)
daniborr
8.9K views 87 likes 1 dislikes 23 Aug 2012100% match

Boyz II Men - No Dejemos Que Muera El Amor (Con Letra)
Günter Dubal
78.2K views 291 likes 9 dislikes 04 Oct 2011100% match

Unit 3 10a Answer

13K views 23 likes 1 dislikes 08 Oct 2011100% match


Tiziano Terzani - revolution
Roberta Gagliardi
14.7K views 93 likes 0 dislikes 04 Jul 2012100% match

DokuWiki 01 - Your first Page
Andreas Gohr
23.8K views 27 likes 19 dislikes 25 May 2014100% match

TED & TEDx explained
Kyo young Chu
1.1K views 7 likes 0 dislikes 02 Apr 2012100% match

DokuWiki 02 - Creating Links and Pages
Andreas Gohr
12.1K views 22 likes 5 dislikes 25 May 2014100% match

Unit 1w, 4 Terminology

75.1K views 114 likes 4 dislikes 05 Oct 201150% match








Settings Privacy About Contact Donate