Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Conoce spaCy, un estándar industrial para el procesamiento del lenguaje natural (NLP).
En este curso, aprenderás a utilizar spaCy, una biblioteca estándar del sector en rápido crecimiento, para realizar diversas tareas de procesamiento del lenguaje natural, como la tokenización, la segmentación de oraciones, el análisis sintáctico y el reconocimiento de entidades nombradas. spaCy ofrece funciones potentes, fáciles de usar y listas para su uso en producción en una amplia gama de tareas de procesamiento del lenguaje natural.Aprende las operaciones básicas de spaCy
Comenzarás aprendiendo las operaciones básicas de spaCy y cómo utilizarlas para analizar texto y extraer información de datos no estructurados. A continuación, trabajarás con las clases de spaCy, como Doc, Span y Token, y aprenderás a utilizar diferentes componentes de spaCy para calcular vectores de palabras y predecir la similitud semántica.Entrena modelos spaCy y aprende sobre la coincidencia de patrones
Practicarás la escritura de patrones de coincidencia simples y complejos para extraer términos y frases determinados utilizando EntityRuler, Matcher y PhraseMatcher a partir de datos no estructurados. También aprenderás a crear componentes personalizados para el proceso y a generar datos de entrenamiento/evaluación. A partir de ahí, te sumergirás en el entrenamiento de modelos spaCy y en cómo utilizarlos para la inferencia. A lo largo del curso, trabajarás con ejemplos reales y consolidarás tus conocimientos sobre el uso de spaCy en tus propios proyectos de PLN.Requisitos previos
Programa de formación
Contenido del curso
1
Introducción al NLP y a spaCy
En este capítulo te presentaremos el NLP, algunos de sus casos de uso como el reconocimiento de entidades con nombre y los chatbots con IA. Aprenderás a usar la potente biblioteca spaCy para realizar diversas tareas de procesamiento del lenguaje natural, como tokenización, segmentación de oraciones, etiquetado POS y reconocimiento de entidades con nombre.
- Fundamentos de Natural Language Processing (NLP)50 XP
- Contenedor Doc en spaCy100 XP
- Caso de uso de NER50 XP
- Tokenización con spaCy100 XP
- Conceptos básicos de spaCy50 XP
- Ejecutar una canalización de spaCy100 XP
- Lematización con spaCy100 XP
- Segmentación de oraciones con spaCy100 XP
- Características lingüísticas en spaCy50 XP
- Etiquetado POS con spaCy100 XP
- NER con spaCy100 XP
- Procesamiento de texto con spaCy100 XP
2
Anotaciones lingüísticas y vectores de palabras en spaCy
Aprende sobre características lingüísticas, vectores de palabras, similitud semántica, analogías y operaciones con vectores de palabras. En este capítulo descubrirás cómo usar spaCy para extraer vectores de palabras, categorizar textos relevantes para un tema dado y encontrar términos semánticamente similares a palabras dadas a partir de un corpus o del vocabulario de un modelo de spaCy.
3
Análisis de datos con spaCy
Familiarízate con los componentes de la canalización de spaCy, cómo añadir un componente y cómo analizar la canalización de NLP. También aprenderás varios enfoques para la extracción de información basada en reglas usando las clases EntityRuler, Matcher y PhraseMatcher de spaCy y el paquete RegEx de Python.
4
Personalización de modelos de spaCy
Explora múltiples casos de uso reales en los que los modelos de spaCy pueden fallar y aprende a seguir entrenándolos para mejorar su rendimiento. Te presentaremos los pasos de entrenamiento de spaCy y comprenderás cómo entrenar un modelo de spaCy existente o desde cero, y cómo evaluar el modelo en la fase de inferencia.
Procesamiento del Lenguaje Natural con spaCy
Curso
completado
