Build your ultimate AI agent
Kursbeschreibung
Hast du schon einmal eine Bewertung abgegeben, um auszudrücken, wie du über ein Produkt oder einen Service denkst? Und schaust du dir vor dem Kauf regelmäßig die Online-Bewertungen an? Diese Informationen sind nicht nur für dich wertvoll, sondern auch für Unternehmen. In diesem Kurs lernst du, die Stimmung in verschiedenen Dokumenten zu verstehen. Du arbeitest mit realen Datensätzen mit Tweets sowie Film- und Produktbewertungen und nutzt die Python-Pakete nltk und scikit-learn. Am Ende des Kurses kannst du eine vollständige Stimmungsanalyse durchführen, basierend darauf, wie US-Fluggäste ihre Gefühle auf Twitter geäußert haben.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Stimmungsanalyse: Grundlagen und Praxis
Hast du schon einmal vor dem Kauf die Bewertungen oder Bewertungen in Form von Sternen für ein Produkt oder einen Service geprüft? Dann bist du sehr wahrscheinlich bereits mit Stimmungsanalyse in Berührung gekommen. In diesem Kapitel lernst du die Grundstruktur eines Stimmungsanalyse-Problems kennen und beginnst, die Stimmung in Filmkritiken zu erkunden.
- Willkommen!50 XP
- Bestandteile eines Sentiment-Analyse-Problems50 XP
- Wie viele positive und negative Bewertungen gibt es?100 XP
- Längste und kürzeste Rezensionen100 XP
- Arten und Ansätze der Sentimentanalyse50 XP
- Die Stimmung in A Tale of Two Cities erkennen100 XP
- Das Sentiment zweier Strings vergleichen100 XP
- Wie ist die Stimmung einer Filmrezension?100 XP
- Lass uns eine Wordcloud erstellen!50 XP
- Deine erste Wordcloud100 XP
- Welche Wörter sind in der Wordcloud?50 XP
- Wordcloud zu Filmrezensionen100 XP
2
Numerische Merkmale aus Bewertungen
Stell dir vor, du wärst ein Unternehmen mit einer Vielzahl an Produkten. Du willst wissen, welche deiner Produkte Bestseller sind – und vor allem warum. Wir starten mit Schritt 1, um Produktbewertungen zu verstehen, und nutzen dazu einen Datensatz mit Amazon-Produktrezensionen. Dafür wandeln wir den Text in eine numerische Form um und berücksichtigen dabei ein paar Besonderheiten im Prozess.
3
Mehr zu numerischen Vektoren: Tweets transformieren
In diesem Kapitel setzen wir das Verständnis von Produktbewertungen fort. Wir behandeln zusätzliche Besonderheiten, insbesondere bei der Arbeit mit Stimmungsdaten aus sozialen Medien wie Twitter. Außerdem lernen wir weitere Möglichkeiten kennen, um numerische Merkmale aus Text zu gewinnen.
4
Lass uns die Stimmung vorhersagen
Wir setzen Machine Learning ein, um die Stimmung einer Bewertung anhand der darin verwendeten Wörter vorherzusagen. Wir nutzen logistische Regression und bewerten deren Leistung auf verschiedene Arten. Das sind schon sehr solide erste Modelle!
Stimmungsanalyse in Python
Kurs
abgeschlossen
