After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Come per ogni corso di base, Introduzione all'Elaborazione del Linguaggio Naturale in R è pensato per fornirti gli strumenti necessari per iniziare ad analizzare testi. Il natural language processing (NLP) è un ambito della data science in continua crescita, con progressi molto interessanti nell’ultimo decennio. In questo corso affronterai le nozioni fondamentali e ti preparerai ad ampliare le tue capacità di analisi. Tratteremo espressioni regolari, topic modeling, named entity recognition e altro ancora, con esempi dettagliati che potrai usare per dare il via alle tue future analisi.
Prerequisiti
Curriculum
Programma del corso
1
Fondamenti veri e propri
Il Capitolo 1 di Introduzione all'Elaborazione del Linguaggio Naturale ti prepara a eseguire la tua prima analisi su testi. Esplorerai le espressioni regolari e la tokenizzazione, due componenti tra le più comuni nella maggior parte dei compiti di analisi. Con le espressioni regolari puoi cercare qualunque schema ti venga in mente e, con la tokenizzazione, puoi preparare e ripulire il testo per analisi più sofisticate. Questo capitolo è necessario per affrontare le tecniche che imparerai nei restanti capitoli del corso.
- Nozioni di base sulle espressioni regolari50 XP
- Esercitarsi con la sintassi di grep100 XP
- Esplorare le funzioni per le espressioni regolari.100 XP
- Tokenizzazione50 XP
- funzioni di tidytext50 XP
- Tokenizzazione: frasi100 XP
- Nozioni di base sulla pulizia del testo50 XP
- Pre-elaborazione del testo: rimuovere le stop word100 XP
- Pre-elaborazione del testo: stemming100 XP
2
Rappresentazioni del testo
In questo capitolo imparerai i modi più diffusi e studiati per analizzare il testo. Vedrai come creare un corpus testuale, trasformare una rappresentazione bag-of-words in una matrice TFIDF e usare metriche di similarità coseno per determinare quanto due testi siano simili tra loro. Consoliderai le basi per praticare l’NLP prima di passare alle applicazioni dell’NLP nei capitoli 3 e 4.
3
Applicazioni: classificazione e topic modeling
Il Capitolo 3 si concentra su due approcci comuni all’analisi del testo: la modellazione di classificazione e il topic modeling. Se lavori su progetti di analisi testuale, prima o poi userai uno o entrambi questi metodi. Questo capitolo ti insegna a eseguire entrambe le tecniche e offre indicazioni su come affrontarle da un punto di vista pratico.
4
Tecniche avanzate
Nel Capitolo 4 trattiamo due pilastri dell’elaborazione del linguaggio naturale: sentiment analysis e word embeddings. Sono due tecniche di analisi imprescindibili per chi studia le basi dell’analisi del testo. Inoltre, imparerai brevemente a conoscere BERT, il part-of-speech tagging e il named entity recognition. In questo corso sono state coperte quasi 15 tecniche di analisi diverse, quindi il Capitolo 4 si chiude ricapitolando tutte le ottime tecniche che imparerai in questo percorso.
R
Introduzione all'Elaborazione del Linguaggio Naturale in R
Corso
completato
