Przejdź do głównej treści

Strona główna R

Kurs

Wprowadzenie do przetwarzania języka naturalnego w R

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 05.2024

Poznaj wszystkie umiejętności i narzędzia potrzebne, by świetnie radzić sobie z Natural Language Processing w R.

Zacznij kurs za darmo

RMachine Learning

4 godz.

15 filmów

47 Ćwiczeń

3,750 XP

8,564

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

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

Intermediate R Introduction to the Tidyverse

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.

Podstawy wyrażeń regularnych

Ćwiczenie składni z grep

Odkrywanie funkcji wyrażeń regularnych.

Tokenizacja

Funkcje tidytext

Tokenizacja: zdania

Podstawy czyszczenia tekstu

Przetwarzanie tekstu: usuwanie stop słów

Przetwarzanie tekstu: stemming

Zacznij rozdział

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.

Zrozumienie korpusu w R

Eksploracja korpusu w R

Tworzenie obiektu tibble z korpusu

Tworzenie korpusu

Reprezentacja bag-of-words

Ćwiczenie z BoW

Przykład worka słów (BoW)

Macierze rzadkie

Ręczne obliczenia

Ćwiczenie z TFIDF

Podobieństwo kosinusowe

Przykład błędnej analizy tekstu

Przykład podobieństwa cosinusowego

Zacznij rozdział

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.

Przygotowanie tekstu do modelowania

Przygotowanie danych

Usuwanie rzadkich terminów

Modelowanie klasyfikacyjne

Przykład modelu klasyfikacji

Macierze pomyłek

Tibble TFIDF a dtm

Wprowadzenie do modelowania tematycznego

Ćwiczenie z LDA

Przypisywanie tematów do dokumentów

LDA w praktyce

Testowanie perplexity

Analiza wyników LDA

Zacznij rozdział

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.

Analiza sentymentu

Leksykony tidytext

Wyniki sentymentu

Analiza sentymentu i emocji

Osadzenia słów (word embeddings)

Ćwiczenie z h2o

Dodatkowe techniki analizy NLP

Przegląd metod #1

Przegląd metod #2

Podsumowanie

Zacznij rozdział

Wprowadzenie do przetwarzania języka naturalnego w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wprowadzenie do przetwarzania języka naturalnego w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.