After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Kenalkan spaCy, standar industri untuk Pemrosesan Bahasa Alami (NLP).
Dalam kursus ini, Anda akan belajar cara menggunakan spaCy, perpustakaan standar industri yang berkembang pesat, untuk melakukan berbagai tugas pemrosesan bahasa alami (NLP) seperti tokenisasi, pemisahan kalimat, parsing, dan pengenalan entitas bernama. spaCy dapat menyediakan fitur-fitur yang kuat, mudah digunakan, dan siap untuk produksi dalam berbagai tugas pemrosesan bahasa alami.Pelajari Operasi Dasar spaCy
Anda akan memulai dengan mempelajari operasi inti spaCy dan cara menggunakannya untuk memproses teks dan mengekstrak informasi dari data yang tidak terstruktur. Kemudian, Anda akan bekerja dengan kelas-kelas spaCy, seperti Doc, Span, dan Token, serta mempelajari cara menggunakan berbagai komponen spaCy untuk menghitung vektor kata dan memprediksi kesamaan semantik.Latih Model spaCy dan Pelajari Tentang Pencocokan Pola
Anda akan berlatih menulis pola pencocokan sederhana dan kompleks untuk mengekstrak istilah dan frasa yang diberikan menggunakan EntityRuler, Matcher, dan PhraseMatcher dari data yang tidak terstruktur. Anda juga akan belajar cara membuat komponen pipeline kustom dan membuat data pelatihan/evaluasi. Dari sana, Anda akan mempelajari cara melatih model spaCy dan bagaimana menggunakannya untuk inferensi. Selama kursus ini, Anda akan bekerja dengan contoh-contoh nyata dan memperkuat pemahaman Anda tentang penggunaan spaCy dalam proyek NLP Anda sendiri.Prasyarat
Kurikulum
Garis besar kursus
1
Pendahuluan ke NLP dan spaCy
Bab ini akan memperkenalkan Anda pada NLP, beberapa kasus penggunaannya seperti named-entity recognition dan chatbot berbasis AI. Anda akan mempelajari cara menggunakan pustaka spaCy yang andal untuk menjalankan berbagai tugas pemrosesan bahasa alami seperti tokenization, segmentasi kalimat, penandaan POS, dan named entity recognition.
- Dasar-dasar Natural Language Processing (NLP)50 XP
- Kontainer Doc di spaCy100 XP
- Contoh penggunaan NER50 XP
- Tokenisasi dengan spaCy100 XP
- Dasar-dasar spaCy50 XP
- Menjalankan pipeline spaCy100 XP
- Lematisasi dengan spaCy100 XP
- Segmentasi kalimat dengan spaCy100 XP
- Fitur linguistik di spaCy50 XP
- POS tagging dengan spaCy100 XP
- NER dengan spaCy100 XP
- Pemrosesan teks dengan spaCy100 XP
2
Anotasi Linguistik spaCy dan Word Vector
Pelajari fitur linguistik, word vector, kemiripan semantik, analogi, dan operasi pada word vector. Di bab ini Anda akan menemukan cara menggunakan spaCy untuk mengekstrak word vector, mengkategorikan teks yang relevan dengan suatu topik, serta menemukan istilah yang secara semantik mirip dengan kata tertentu dari korpus atau dari kosakata model spaCy.
3
Analisis Data dengan spaCy
Kenali komponen pipeline spaCy, cara menambahkan komponen pipeline, dan menganalisis pipeline NLP. Anda juga akan mempelajari berbagai pendekatan untuk ekstraksi informasi berbasis aturan menggunakan kelas EntityRuler, Matcher, dan PhraseMatcher di spaCy serta paket Python RegEx.
4
Kustomisasi Model spaCy
Jelajahi berbagai kasus dunia nyata ketika model spaCy mungkin gagal dan pelajari cara melatihnya lebih lanjut untuk meningkatkan kinerja model. Anda akan diperkenalkan pada langkah-langkah pelatihan spaCy dan memahami cara melatih model spaCy yang ada atau dari awal, serta mengevaluasi model pada saat inferensi.
Pemrosesan Bahasa Alami dengan spaCy
Kursus
Selesai
