Lewati ke konten utama

Kursus

Pengantar Natural Language Processing di Python

MenengahTingkat Keterampilan

Diperbarui 02/2026

Pelajari teknik dasar pemrosesan bahasa alami menggunakan Python dan cara menerapkannya untuk mengekstrak wawasan dari data teks dunia nyata.

Mulai Kursus Gratis

PythonMachine Learning

4 jam

15 videos

51 Latihan

3,750 XP

140K+

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Dalam kursus ini, Anda akan mempelajari dasar-dasar natural language processing (NLP), seperti cara mengidentifikasi dan memisahkan kata, mengekstrak topik dari teks, serta membangun pengklasifikasi berita palsu Anda sendiri. Anda juga akan belajar menggunakan pustaka dasar seperti NLTK, bersama pustaka yang memanfaatkan deep learning untuk menyelesaikan masalah NLP umum. Kursus ini akan memberi Anda landasan untuk memproses dan mengurai teks saat Anda melanjutkan pembelajaran Python.

Persyaratan

1

Ekspresi reguler & tokenisasi kata

Bab ini akan memperkenalkan beberapa konsep dasar NLP, seperti tokenisasi kata dan ekspresi reguler untuk membantu mengurai teks. Anda juga akan mempelajari cara menangani teks non-Inggris dan tokenisasi yang lebih menantang yang mungkin Anda temui.

Pengantar regular expression

Pola yang mana?

Berlatih regular expression: re.split() dan re.findall()

Pengenalan tokenisasi

Tokenisasi kata dengan NLTK

Lebih banyak regex dengan re.search()

Tokenisasi lanjutan dengan NLTK dan regex

Memilih sebuah tokenizer

Regex dengan tokenisasi NLTK

Tokenisasi non-ascii

Membuat grafik panjang kata dengan NLTK

Latihan membuat bagan

2

Identifikasi topik sederhana

Bab ini akan memperkenalkan Anda pada identifikasi topik, yang dapat diterapkan pada teks apa pun di dunia nyata. Menggunakan model NLP dasar, Anda akan mengidentifikasi topik dari teks berdasarkan frekuensi istilah. Anda akan bereksperimen dan membandingkan dua metode sederhana: bag-of-words dan Tf-idf menggunakan NLTK, serta pustaka baru, Gensim.

Menghitung kata dengan bag-of-words

Pemilih bag-of-words

Membangun Counter dengan bag-of-words

Prapemrosesan teks sederhana

Langkah praproses teks

Latihan prapemrosesan teks

Pengenalan gensim

Apa itu vektor kata?

Membuat dan melakukan kueri korpus dengan gensim

Bag-of-words dengan Gensim

Tf-idf dengan gensim

Apa itu tf-idf?

Tf-idf dengan Wikipedia

3

Pengenalan entitas bernama

Bab ini akan memperkenalkan topik yang sedikit lebih lanjut: pengenalan entitas bernama. Anda akan belajar mengidentifikasi siapa, apa, dan di mana dari teks Anda menggunakan model pralatih pada teks bahasa Inggris dan non-Inggris. Anda juga akan mempelajari cara menggunakan beberapa pustaka baru, polyglot dan spaCy, untuk menambah peranti NLP Anda.

Pengenalan Entitas Bernama

NER dengan NLTK

Latihan membuat grafik

Pustaka Stanford dengan NLTK

Pengenalan SpaCy

Membandingkan NER NLTK dengan spaCy

Kategori NER spaCy

NER Multibahasa dengan polyglot

NER bahasa Prancis dengan polyglot I

NER bahasa Prancis dengan polyglot II

NER bahasa Spanyol dengan polyglot

4

Membangun pengklasifikasi "berita palsu"

Anda akan menerapkan dasar-dasar yang telah dipelajari bersama Machine Learning terawasi untuk membangun detektor "berita palsu". Anda akan mulai dengan mempelajari dasar-dasar Machine Learning terawasi, lalu melangkah maju dengan memilih beberapa fitur penting dan menguji ide untuk mengidentifikasi serta mengklasifikasikan artikel berita palsu.

Mengklasifikasikan berita palsu menggunakan supervised learning dengan NLP

Fitur mana yang mungkin?

Pelatihan dan pengujian

Membangun vektor hitung kata dengan scikit-learn

CountVectorizer untuk klasifikasi teks

TfidfVectorizer untuk klasifikasi teks

Memeriksa vektor

Melatih dan menguji model klasifikasi dengan scikit-learn

Model klasifikasi teks

Melatih dan menguji model "fake news" dengan CountVectorizer

Melatih dan menguji model "fake news" dengan TfidfVectorizer

NLP sederhana, masalah kompleks

Meningkatkan model

Meningkatkan model Anda

Memeriksa model Anda

Pengantar Natural Language Processing di Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Pengantar Natural Language Processing di Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.