강의
spaCy로 배우는 자연어 처리
중급기술 수준
업데이트됨 2025. 7.
PythonMachine Learning4시간15 동영상53 연습 문제4,450 XP8,401성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
선수 조건
Supervised Learning with scikit-learnPython Toolbox1
NLP와 spaCy 소개
이 장에서는 NLP와 그 활용 사례(개체명 인식, AI 기반 챗봇 등)를 소개합니다. 강력한 spaCy 라이브러리를 사용해 토큰화, 문장 구분, 품사 태깅, 개체명 인식 등 다양한 자연어 처리 작업을 수행하는 방법을 배웁니다.
2
spaCy의 언어 주석과 단어 벡터
언어적 특성, 단어 벡터, 의미 유사도, 유추, 단어 벡터 연산을 학습합니다. 이 장에서는 spaCy를 사용해 단어 벡터를 추출하고, 특정 주제와 관련된 텍스트를 분류하며, 코퍼스나 spaCy 모델의 어휘에서 주어진 단어와 의미적으로 유사한 용어를 찾는 방법을 알아봅니다.
3
spaCy로 하는 데이터 분석
spaCy 파이프라인 구성 요소를 익히고, 구성 요소를 추가하는 방법과 NLP 파이프라인을 분석하는 방법을 배웁니다. 또한 spaCy의 EntityRuler, Matcher, PhraseMatcher 클래스와 Python의 RegEx 패키지를 활용한 규칙 기반 정보 추출의 다양한 접근법도 살펴봅니다.
4
spaCy 모델 커스터마이징
실제 환경에서 spaCy 모델이 실패할 수 있는 다양한 사례를 살펴보고, 모델 성능을 개선하기 위한 추가 학습 방법을 배웁니다. spaCy 학습 절차를 소개하고, 기존 spaCy 모델을 추가 학습하거나 처음부터 학습하는 방법, 그리고 추론 시점에서 모델을 평가하는 방법을 이해합니다.
spaCy로 배우는 자연어 처리
강의 완료
19백만 명 이상의 학습자와 함께 spaCy로 배우는 자연어 처리을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.