After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Jak każdy kurs podstawowy, Wprowadzenie do przetwarzania języka naturalnego w R wyposaży cię w narzędzia potrzebne do rozpoczęcia analizy tekstu. Przetwarzanie języka naturalnego (NLP) to stale rozwijająca się dziedzina w data science, która w ciągu ostatniej dekady przyniosła wiele ekscytujących osiągnięć. Kurs obejmuje podstawy tych zagadnień i przygotuje cię do rozszerzenia możliwości analitycznych. Zagłębiamy się w wyrażenia regularne, modelowanie tematyczne, rozpoznawanie nazwanych encji i inne techniki – wszystko z dokładnymi przykładami, które pomogą ci ruszyć z własną analizą.
Wymagania wstępne
Program kursu
Plan kursu
1
Solidne podstawy
Rozdział 1 kursu Wprowadzenie do przetwarzania języka naturalnego przygotuje cię do przeprowadzenia pierwszej analizy tekstu. Poznasz wyrażenia regularne i tokenizację – dwa z najczęściej stosowanych elementów większości zadań analitycznych. Wyrażenia regularne pozwalają wyszukiwać dowolne wzorce, a tokenizacja umożliwia przygotowanie i oczyszczenie tekstu na potrzeby bardziej zaawansowanej analizy. Ten rozdział jest niezbędny, by zmierzyć się z technikami omawianymi w kolejnych częściach kursu.
2
Reprezentacje tekstu
W tym rozdziale poznasz najpopularniejsze i najlepiej zbadane metody analizy tekstu. Nauczysz się tworzyć korpus tekstowy, rozszerzać reprezentację worka słów do postaci macierzy TFIDF oraz wykorzystywać miary podobieństwa cosinusowego do oceny, jak bardzo dwa fragmenty tekstu są do siebie podobne. Ugruntowane zostaną twoje podstawy w zakresie NLP, zanim przejdziesz do jego zastosowań w rozdziałach 3 i 4.
3
Zastosowania: klasyfikacja i modelowanie tematyczne
Rozdział 3 koncentruje się na dwóch popularnych podejściach do analizy tekstu: modelowaniu klasyfikacyjnym i modelowaniu tematycznym. Pracując z projektami analizy tekstu, prędzej czy później sięgniesz po jedną lub obie te metody. Ten rozdział uczy, jak je stosować w praktyce, i daje wgląd w to, jak podejść do nich w realnych sytuacjach.
4
Zaawansowane techniki
W rozdziale 4 omawiamy dwa filary przetwarzania języka naturalnego: analizę sentymentu i osadzenia słów. To techniki, których znajomość jest niezbędna każdej osobie poznającej podstawy analizy tekstu. Dodatkowo krótko zapoznasz się z modelem BERT, tagowaniem części mowy i rozpoznawaniem nazwanych encji. W kursie omówiliśmy blisko 15 różnych technik analitycznych, dlatego rozdział 4 kończy się podsumowaniem wszystkich kluczowych metod, których się nauczysz.
R
Wprowadzenie do przetwarzania języka naturalnego w R
Kurs
ukończony
