Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Lerne spaCy kennen, den Industriestandard für NLP
In diesem Kurs lernst du, wie du spaCy, eine schnell wachsende, branchenübliche Bibliothek, für verschiedene Aufgaben der natürlichen Sprachverarbeitung wie Tokenisierung, Satzsegmentierung, Parsing und Erkennung benannter Entitäten nutzen kannst. spaCy bietet leistungsstarke, benutzerfreundliche und produktionsreife Funktionen für eine Vielzahl von Aufgaben der natürlichen Sprachverarbeitung.Lerne die wichtigsten Funktionen von spaCy kennen
Du lernst zuerst die wichtigsten Funktionen von spaCy kennen und wie du damit Texte analysieren und Infos aus unstrukturierten Daten herausziehen kannst. Dann wirst du mit den Klassen von spaCy arbeiten, wie Doc, Span und Token, und lernen, wie man verschiedene spaCy-Komponenten nutzt, um Wortvektoren zu berechnen und semantische Ähnlichkeiten vorherzusagen.SpaCy-Modelle trainieren und mehr über Musterabgleich erfahren
Du wirst üben, einfache und komplexe Abgleichmuster zu schreiben, um bestimmte Begriffe und Ausdrücke mit EntityRuler, Matcher und PhraseMatcher aus unstrukturierten Daten zu extrahieren. Du lernst auch, wie du eigene Pipeline-Komponenten und Trainings-/Evaluierungsdaten erstellst. Von da an lernst du, wie man spaCy-Modelle trainiert und wie man sie für die Inferenz nutzt. Während des Kurses arbeitest du an echten Beispielen und festigst dein Verständnis für die Verwendung von spaCy in deinen eigenen NLP-Projekten.Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in NLP und spaCy
In diesem Kapitel lernst du NLP kennen, inklusive einiger Anwendungsfälle wie die Erkennung benannter Entitäten und KI-gestützte Chatbots. Du erfährst, wie du die leistungsstarke Bibliothek spaCy für verschiedene Aufgaben der Sprachverarbeitung einsetzt, zum Beispiel Tokenisierung, Satzsegmentierung, POS-Tagging und Erkennung benannter Entitäten.
- Grundlagen der Natural Language Processing (NLP)50 XP
- Doc-Container in spaCy100 XP
- Anwendungsfall für NER50 XP
- Tokenisierung mit spaCy100 XP
- spaCy-Grundlagen50 XP
- Eine spaCy-Pipeline ausführen100 XP
- Lemmatisierung mit spaCy100 XP
- Satzsegmentierung mit spaCy100 XP
- Linguistische Merkmale in spaCy50 XP
- POS-Tagging mit spaCy100 XP
- NER mit spaCy100 XP
- Textverarbeitung mit spaCy100 XP
2
Sprachliche Annotationen und Wortvektoren in spaCy
Lerne sprachliche Merkmale, Wortvektoren, semantische Ähnlichkeit, Analogien und Operationen mit Wortvektoren kennen. In diesem Kapitel entdeckst du, wie du mit spaCy Wortvektoren extrahierst, Texte zu einem bestimmten Thema kategorisierst und semantisch ähnliche Begriffe zu gegebenen Wörtern aus einem Korpus oder aus dem Vokabular eines spaCy-Modells findest.
3
Datenanalyse mit spaCy
Mach dich mit spaCy-Pipeline-Komponenten vertraut, lerne, wie du eine Pipeline-Komponente hinzufügst, und analysiere die NLP-Pipeline. Außerdem lernst du mehrere Ansätze für regelbasierte Informationsextraktion kennen, mit den Klassen EntityRuler, Matcher und PhraseMatcher in spaCy sowie dem Python-Paket RegEx.
4
spaCy-Modelle anpassen
Erkunde mehrere praxisnahe Anwendungsfälle, in denen spaCy-Modelle versagen können, und lerne, wie du sie weitertrainierst, um die Modellleistung zu verbessern. Du wirst in die Trainingsschritte von spaCy eingeführt und verstehst, wie du ein vorhandenes spaCy-Modell oder eines von Grund auf trainierst und das Modell zur Inferenzzeit evaluierst.
Natural Language Processing mit spaCy
Kurs
abgeschlossen
