Saltar al contenido principal
InicioPythonIntroducción al Procesamiento del lenguaje natural en Python

Introducción al Procesamiento del lenguaje natural en Python

Comience El Curso Gratis
4 Horas15 Videos51 Ejercicios
114.068 AprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

En este curso, aprenderás los fundamentos del Procesamiento del lenguaje natural (PLN), como identificar y separar palabras, extraer temas de un texto y construir tu propio clasificador de noticias falsas. También aprenderás a utilizar bibliotecas básicas como NLTK, junto con bibliotecas que utilizan el aprendizaje profundo para resolver problemas habituales de PNL. Este curso te dará las bases para procesar y analizar texto a medida que avances en tu aprendizaje de Python.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, solicite una demonstración.
  1. 1

    Expresiones regulares y tokenización de palabras

    Gratuito

    Este capítulo introducirá algunos conceptos básicos de la PNL, como la tokenización de palabras y las expresiones regulares para ayudar a analizar el texto. También aprenderás a manejar texto no inglés y la tokenización más difícil que puedas encontrar.

    Reproducir Capítulo Ahora
    Introducción a las expresiones regulares
    50 xp
    ¿Qué patrón?
    50 xp
    Práctica de expresiones regulares: re.split() y re.findall()
    100 xp
    Introducción a la tokenización
    50 xp
    Tokenización de palabras con NLTK
    100 xp
    Más regex con re.search()
    100 xp
    Tokenización avanzada con NLTK y regex
    50 xp
    Selección de un tokenizador
    50 xp
    Regex con tokenización NLTK
    100 xp
    Tokenización no ASCII
    100 xp
    Representación de la longitud de las palabras con NLTK
    50 xp
    Práctica de representación
    100 xp
  2. 2

    Identificación sencilla de temas

    Este capítulo te introducirá en la identificación de temas, que podrás aplicar a cualquier texto que encuentres en la naturaleza. Utilizando modelos básicos de PNL, identificarás los temas de los textos basándote en las frecuencias de los términos. Experimentarás y compararás dos métodos sencillos: bolsa de palabras y Tf-idf utilizando NLTK, y una nueva biblioteca Gensim.

    Reproducir Capítulo Ahora
  3. 3

    Reconocimiento de entidades con nombre

    Este capítulo introducirá un tema algo más avanzado: el reconocimiento de entidades con nombre. Aprenderás a identificar el quién, el qué y el dónde de tus textos utilizando modelos preentrenados en textos ingleses y no ingleses. También aprenderás a utilizar algunas bibliotecas nuevas, polyglot y spaCy, para añadirlas a tu caja de herramientas de PNL.

    Reproducir Capítulo Ahora

En las siguientes pistas

Científico de Machine Learning con PythonProcesamiento del Lenguaje Natural en Python

Colaboradores

Collaborator's avatar
Hugo Bowne-Anderson
Collaborator's avatar
Yashas Roy
Katharine Jarmul HeadshotKatharine Jarmul

Founder, kjamistan

Ver Mas

¿Qué tienen que decir otros alumnos?

Únete a 13 millones de estudiantes y empeza Introducción al Procesamiento del lenguaje natural en Python hoy!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.