Build your ultimate AI agent
कोर्स विवरण
सोशल मीडिया से लेकर प्रोडक्ट रिव्यू तक, टेक्स्ट कई एप्लिकेशंस में, खासकर मार्केटिंग एनालिटिक्स में, तेजी से महत्वपूर्ण डेटा बन रहा है। कई स्थितियों में, टेक्स्ट अन्य अनस्ट्रक्चर्ड डेटा की जगह ले रहा है क्योंकि यह सस्ता और ताज़ा होता है। लेकिन टेक्स्ट के पूरे लाभ उठाने के लिए, आपको यह समझना होगा कि टेक्स्ट के बारे में कैसे सोचना है, उसे कैसे साफ करना है, सारांशित करना है, और मॉडल करना है। इस कोर्स में, आप नवीनतम tidy टूल्स का उपयोग करके टेक्स्ट के साथ जल्दी और आसानी से शुरुआत करेंगे। आप सीखेंगे कि टेक्स्ट को कैसे रैंगल और विज़ुअलाइज़ करें, सेंटिमेंट एनालिसिस करें, और टॉपिक मॉडल चलाएँ और उनका अर्थ समझें।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Wrangling Text
क्योंकि टेक्स्ट अनस्ट्रक्चर्ड डेटा होता है, उसे ऐसे रूप में लाने के लिए कुछ रैंगलिंग ज़रूरी है जहाँ आप उसका विश्लेषण कर सकें। इस अध्याय में, आप टोकनाइज़िंग, क्लीनिंग, और टेक्स्ट को कैटेगॉरिकल डेटा की तरह ट्रीट करके टेक्स्ट में स्ट्रक्चर जोड़ना सीखेंगे।
2
Visualizing Text
काउंट्स उपयोगी हैं, लेकिन विज़ुअलाइज़ेशन और भी बेहतर होते हैं। इस अध्याय में, आप सीखेंगे कि ggplot2 से जो आप जानते हैं उसे tidy टेक्स्ट डेटा पर कैसे लागू करें।
3
Sentiment Analysis
शब्द-गणना और विज़ुअलाइज़ेशन कंटेंट के बारे में कुछ संकेत देते हैं, लेकिन हम इससे आगे जा सकते हैं। इस अध्याय में, हम केवल शब्द-गणना से आगे बढ़कर टेक्स्ट के सेंटिमेंट या भावात्मक वैलेंस का विश्लेषण करेंगे।
4
Topic Modeling
इस अंतिम अध्याय में, हम शब्द-गणना से आगे बढ़कर दस्तावेज़ों के संग्रह में छिपे हुए टॉपिक्स खोजेंगे। हम एक मानक टॉपिक मॉडल का उपयोग करेंगे जिसे latent Dirichlet allocation कहा जाता है।
R
R में Text Analysis परिचय
कोर्स
पूरा
