After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
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
Curriculum
Cursusoverzicht
1
Introductie tot NLP en spaCy
In dit hoofdstuk maak je kennis met NLP, enkele toepassingsgebieden zoals named entity recognition en AI-aangedreven chatbots. Je leert de krachtige spaCy-bibliotheek gebruiken voor diverse Natural Language Processing-taken zoals tokenization, zinssegmentatie, POS-tagging en named entity recognition.
- Basis van Natural Language Processing (NLP)50 XP
- Doc-container in spaCy100 XP
- Gebruiksscenario van NER50 XP
- Tokenization met spaCy100 XP
- spaCy-basics50 XP
- Een spaCy-pijplijn uitvoeren100 XP
- Lemmatization met spaCy100 XP
- Zinssegmentatie met spaCy100 XP
- Taalkenmerken in spaCy50 XP
- POS-tagging met spaCy100 XP
- NER met spaCy100 XP
- Tekstverwerking met spaCy100 XP
2
Taalkundige annotaties en woordvectoren in spaCy
Leer over taalkundige kenmerken, woordvectoren, semantische gelijkenis, analogieën en bewerkingen met woordvectoren. In dit hoofdstuk ontdek je hoe je met spaCy woordvectoren extraheert, teksten categoriseert die relevant zijn voor een bepaald onderwerp en semantisch vergelijkbare termen vindt voor opgegeven woorden uit een corpus of uit de woordenschat van een spaCy-model.
3
Gegevensanalyse met spaCy
Maak kennis met spaCy-pipelinecomponenten, hoe je een pipelinecomponent toevoegt en analyseer de NLP-pipeline. Je leert ook meerdere aanpakken voor regelgebaseerde informatie-extractie met de EntityRuler-, Matcher- en PhraseMatcher-klassen in spaCy en het Python-pakket RegEx.
4
spaCy-modellen aanpassen
Verken meerdere praktijkgevallen waarin spaCy-modellen kunnen falen en leer hoe je ze verder traint om de modelprestaties te verbeteren. Je maakt kennis met de trainingsstappen van spaCy en begrijpt hoe je een bestaand spaCy-model of een model vanaf nul traint en het model tijdens inference evalueert.
Natural Language Processing met spaCy
Cursus
voltooid
