Cursus
Natural Language Processing met spaCy
GemiddeldVaardigheidsniveau
Bijgewerkt 07-2025Start Cursus Kosteloos
Inbegrepen bijPremium or Teams
PythonMachine Learning4 u15 videos53 Opdrachten4,450 XP7,642Prestatieverklaring
Maak je gratis account aan
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.Geliefd bij leerlingen van duizenden bedrijven
Wil je 2 of meer mensen trainen?
Probeer DataCamp for BusinessCursusbeschrijving
Maak kennis met spaCy, een standaard voor NLP in de industrie
In deze cursus leer je hoe je spaCy kunt gebruiken, een snelgroeiende bibliotheek die de standaard is in de branche, om allerlei taken op het gebied van natuurlijke taalverwerking uit te voeren, zoals tokenisatie, zinsegmentatie, parsing en herkenning van benoemde entiteiten. spaCy biedt krachtige, gebruiksvriendelijke en productieklaar functies voor een breed scala aan taken op het gebied van natuurlijke taalverwerking.Leer de basis van spaCy
Je begint met het leren van de belangrijkste functies van spaCy en hoe je die kunt gebruiken om tekst te ontleden en info uit ongestructureerde gegevens te halen. Daarna ga je aan de slag met de klassen van spaCy, zoals Doc, Span en Token, en leer je hoe je verschillende spaCy-componenten kunt gebruiken om woordvectoren te berekenen en semantische overeenkomsten te voorspellen.Train spaCy-modellen en leer meer over patroonherkenning
Je gaat oefenen met het schrijven van simpele en complexe matchingpatronen om bepaalde termen en zinnen uit ongestructureerde data te halen met behulp van EntityRuler, Matcher en PhraseMatcher. Je leert ook hoe je aangepaste pijplijncomponenten kunt maken en trainings-/evaluatiegegevens kunt creëren. Van daaruit ga je aan de slag met het trainen van spaCy-modellen en hoe je ze kunt gebruiken voor inferentie. Tijdens de cursus werk je aan praktijkvoorbeelden en leer je hoe je spaCy kunt gebruiken in je eigen NLP-projecten.Vereisten
Supervised Learning with scikit-learnPython Toolbox1
Introduction to NLP and spaCy
This chapter will introduce you to NLP, some of its use cases such as named-entity recognition and AI-powered chatbots. You’ll learn how to use the powerful spaCy library to perform various natural language processing tasks such as tokenization, sentence segmentation, POS tagging, and named entity recognition.
2
spaCy Linguistic Annotations and Word Vectors
Learn about linguistic features, word vectors, semantic similarity, analogies, and word vector operations. In this chapter you’ll discover how to use spaCy to extract word vectors, categorize texts that are relevant to a given topic and find semantically similar terms to given words from a corpus or from a spaCy model vocabulary.
3
Data Analysis with spaCy
Get familiar with spaCy pipeline components, how to add a pipeline component, and analyze the NLP pipeline. You will also learn about multiple approaches for rule-based information extraction using EntityRuler, Matcher, and PhraseMatcher classes in spaCy and RegEx Python package.
4
Customizing spaCy Models
Explore multiple real-world use cases where spaCy models may fail and learn how to train them further to improve model performance. You’ll be introduced to spaCy training steps and understand how to train an existing spaCy model or from scratch, and evaluate the model at the inference time.
Natural Language Processing met spaCy
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprek
Inbegrepen bijPremium or Teams
Schrijf Je Nu inSluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Natural Language Processing met spaCy!
Maak je gratis account aan
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.