Ir al contenido principal
InicioPython

Curso

Procesamiento del Lenguaje Natural con spaCy

IntermedioNivel de habilidad
Actualizado 7/2025
Comienza El Curso Gratis
PythonMachine Learning4 h15 vídeos53 Ejercicios4,450 XP7,971Certificado de logros

Crea Tu Cuenta Gratuita

o

Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

Group

¿Formar a 2 o más personas?

Probar DataCamp for Business

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

Supervised Learning with scikit-learnPython Toolbox
1

Introduction to NLP and spaCy

This chapter will introduce you to NLP, some of its use cases such as named-entity recognition and AI-powered chatbots. You’ll learn how to use the powerful spaCy library to perform various natural language processing tasks such as tokenization, sentence segmentation, POS tagging, and named entity recognition.
Iniciar Capítulo
2

spaCy Linguistic Annotations and Word Vectors

Learn about linguistic features, word vectors, semantic similarity, analogies, and word vector operations. In this chapter you’ll discover how to use spaCy to extract word vectors, categorize texts that are relevant to a given topic and find semantically similar terms to given words from a corpus or from a spaCy model vocabulary.
Iniciar Capítulo
3

Data Analysis with spaCy

4

Customizing spaCy Models

Explore multiple real-world use cases where spaCy models may fail and learn how to train them further to improve model performance. You’ll be introduced to spaCy training steps and understand how to train an existing spaCy model or from scratch, and evaluate the model at the inference time.
Iniciar Capítulo
Procesamiento del Lenguaje Natural con spaCy
Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete Ahora

    ¡Únete a 19 millones de estudiantes y empieza Procesamiento del Lenguaje Natural con spaCy hoy mismo!

    Crea Tu Cuenta Gratuita

    o

    Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

    Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

    Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.