Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
In deze cursus leer je technieken om nuttige informatie uit tekst te halen en die te verwerken naar een formaat dat geschikt is voor ML-modellen. Je leert onder andere over POS-tagging, named entity recognition, leesbaarheidscores, n-gram- en tf-idf-modellen, en hoe je deze implementeert met scikit-learn en spaCy. Ook leer je berekenen hoe sterk twee documenten op elkaar lijken. Onderweg voorspel je het sentiment van filmrecensies en bouw je aanbevelers voor films en TED Talks. Na afloop kun je uit elke tekst cruciale features halen en enkele van de meest uitdagende problemen in data science oplossen!
Vereisten
Lesprogramma
Cursusoverzicht
1
Basisfeatures en leesbaarheidscores
Leer basisfeatures berekenen, zoals het aantal woorden, het aantal tekens, de gemiddelde woordlengte en het aantal speciale tekens (zoals Twitter-hashtags en -vermeldingen). Je leert ook leesbaarheidscores berekenen en bepalen welk opleidingsniveau nodig is om een tekst te begrijpen.
- Introductie tot feature engineering voor NLP50 XP
- Gegevensformaat voor ML-algoritmen50 XP
- One-hot encoding100 XP
- Basiskenmerken extraheren50 XP
- Aantal tekens in Russische tweets100 XP
- Woordenaantal van TED-talks100 XP
- Hashtags en vermeldingen in Russische tweets100 XP
- Leesbaarheidstests50 XP
- Leesbaarheid van 'The Myth of Sisyphus'100 XP
- Leesbaarheid van verschillende publicaties100 XP
2
Tekstvoorbewerking, POS-tagging en NER
In dit hoofdstuk leer je over tokenization en lemmatization. Daarna leer je hoe je tekst opschoont, part-of-speech-tagging uitvoert en named entity recognition toepast met de spaCy-bibliotheek. Als je deze concepten beheerst, ga je de Gettysburg Address machinevriendelijk maken, het gebruik van zelfstandig naamwoorden in nepnieuws analyseren en personen identificeren die in een TechCrunch-artikel worden genoemd.
3
N-grammodellen
Leer over n-grammodellering en pas dit toe om sentimentanalyse uit te voeren op filmrecensies.
4
TF-IDF en gelijkenisscores
Leer hoe je tf-idf-gewichten en de cosinusgelijkenisscore tussen twee vectoren berekent. Je gebruikt deze concepten om een film- en een TED Talk-aanbeveler te bouwen. Tot slot leer je ook over word embeddings en bereken je, met woordvectorrepresentaties, gelijkenissen tussen verschillende Pink Floyd-nummers.
Feature Engineering voor NLP in Python
Cursus
voltooid
