50 % de descuento en DataCamp Premium. Más de 700 cursos a mitad de precio. Empieza a aprender hoy.
Descripción del curso
En este curso, aprenderás técnicas para extraer información útil de texto y procesarla en un formato apto para aplicar modelos de ML. En concreto, verás el etiquetado POS, el reconocimiento de entidades con nombre, las métricas de legibilidad, los modelos de n-gramas y tf-idf, y cómo implementarlos con scikit-learn y spaCy. También aprenderás a calcular cuán similares son dos documentos entre sí. Durante el curso, predecirás el sentimiento de reseñas de películas y crearás sistemas de recomendación de películas y charlas TED. Al finalizar, serás capaz de diseñar características clave a partir de cualquier texto y afrontar algunos de los problemas más desafiantes de la ciencia de datos.
Requisitos previos
Programa de formación
Esquema del curso
1
Características básicas y métricas de legibilidad
Aprende a calcular características básicas como el número de palabras, el número de caracteres, la longitud media de las palabras y el número de caracteres especiales (como hashtags y menciones de Twitter). También aprenderás a calcular métricas de legibilidad y a determinar el nivel educativo necesario para comprender un texto.
- Introducción a la ingeniería de características para NLP50 XP
- Formato de datos para algoritmos de ML50 XP
- Codificación one-hot100 XP
- Extracción básica de características50 XP
- Recuento de caracteres de tuits rusos100 XP
- Conteo de palabras de charlas TED100 XP
- Hashtags y menciones en tuits en ruso100 XP
- Pruebas de legibilidad50 XP
- Legibilidad de 'El mito de Sísifo'100 XP
- Legibilidad de varias publicaciones100 XP
2
Preprocesamiento de texto, etiquetado POS y NER
En este capítulo, aprenderás sobre tokenización y lematización. Después verás cómo realizar limpieza de texto, etiquetado de categorías gramaticales (part-of-speech) y reconocimiento de entidades con nombre usando la biblioteca spaCy. Una vez domines estos conceptos, convertirás el discurso de Gettysburg en apto para máquinas, analizarás el uso de sustantivos en noticias falsas e identificarás las personas mencionadas en un artículo de TechCrunch.
3
Modelos de n-gramas
Aprende modelado con n-gramas y utilízalo para realizar análisis de sentimiento en reseñas de películas.
4
TF-IDF y medidas de similitud
Aprende a calcular pesos tf-idf y la similitud del coseno entre dos vectores. Usarás estos conceptos para construir un recomendador de películas y de charlas TED. Por último, también verás los word embeddings y, usando representaciones vectoriales de palabras, calcularás similitudes entre varias canciones de Pink Floyd.
Ingeniería de características para NLP en Python
Curso
completado
