Kursus
Pemrosesan Bahasa Alami dengan spaCy
MenengahTingkat Keterampilan
Diperbarui 07/2025
PythonMachine Learning4 jam15 videos53 Latihan4,450 XP8,306Pernyataan Pencapaian
Buat Akun Gratis Anda
Lanjutkan dengan GoogleTampilkan opsi lainnyaatau
Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.
Dipercaya oleh para pelajar di ribuan perusahaan
Melatih Tim?
Coba untuk BisnisDeskripsi 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.Persyaratan
Supervised Learning with scikit-learnPython Toolbox1
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.
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
Memperoleh Surat Keterangan Prestasi
Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV AndaBagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang
Bergabung dengan 19 juta pelajar dan mulai Pemrosesan Bahasa Alami dengan spaCy Hari Ini!
Buat Akun Gratis Anda
Lanjutkan dengan GoogleTampilkan opsi lainnyaatau
Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.
Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile
Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.