After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
このコースでは、テキストから有用な情報を抽出し、Machine Learningモデルに適した形式へ処理するための手法を学びます。具体的には、品詞（POS）タグ付け、固有表現抽出（NER）、可読性スコア、n-gramやtf-idfモデルについて取り上げ、scikit-learnとspaCyを使った実装方法を学習します。さらに、2つの文書同士の類似度を計算する方法も扱います。学習の過程では、映画レビューの感情を予測し、映画とTED Talkのレコメンダを作成します。修了後は、あらゆるテキストから重要な特徴量を設計し、データサイエンスにおける難しい課題のいくつかを解決できるようになります。
前提条件
カリキュラム
コース概要
1
基本的な特徴量と可読性スコア
単語数、文字数、平均単語長、特殊文字（Twitterのハッシュタグやメンションなど）の数といった基本的な特徴量の計算方法を学びます。さらに、可読性スコアの計算と、そのテキストを理解するために必要な教育レベルの推定方法も学習します。
2
前処理、POSタグ付け、NER
この章では、トークン化とレンマ化について学びます。そのうえで、spaCyライブラリを使ってテキストクリーニング、品詞タグ付け、固有表現抽出を行う方法を学習します。これらの概念を身につけたら、ゲティスバーグ演説を機械処理しやすい形に整え、フェイクニュースにおける名詞の使われ方を分析し、TechCrunchの記事に登場する人物を特定していきます。
3
N-gramモデル
n-gramモデリングを学び、それを用いて映画レビューの感情分析を行います。
4
TF-IDFと類似度スコア
tf-idfの重みと2つのベクトル間のコサイン類似度スコアの計算方法を学びます。これらの概念を使って映画とTED Talkのレコメンダを構築します。最後に、単語埋め込みについて学び、単語ベクトル表現を用いてPink Floydのさまざまな楽曲間の類似度を計算します。
Pythonで学ぶNLPの特徴量エンジニアリング
コース修了
