Kurs
Przetwarzanie języka naturalnego z użyciem spaCy
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 07.2025
PythonMachine Learning4 godz.15 filmów53 Ćwiczenia4,450 XP8,395Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Poznaj spaCy, branżowy standard w NLP
W tym kursie nauczysz się korzystać z spaCy, szybko rozwijającej się, branżowej biblioteki standardowej, aby wykonywać różne zadania przetwarzania języka naturalnego, takie jak tokenizacja, segmentacja zdań, parsowanie i rozpoznawanie nazwanych encji. spaCy oferuje zaawansowane, łatwe w użyciu i gotowe do wdrożenia funkcje w szerokim zakresie zadań przetwarzania języka naturalnego.Poznaj podstawowe operacje spaCy
Zaczniesz od poznania podstawowych operacji spaCy i tego, jak używać ich do analizowania tekstu oraz wyodrębniania informacji z nieustrukturyzowanych danych. Następnie będziesz pracować z klasami spaCy, takimi jak Doc, Span i Token, oraz nauczysz się korzystać z różnych komponentów spaCy do obliczania wektorów słów i przewidywania podobieństwa semantycznego.Trenuj modele spaCy i poznaj dopasowywanie wzorców
Będziesz ćwiczyć tworzenie prostych i złożonych wzorców dopasowań, aby wyodrębniać określone terminy i frazy z nieustrukturyzowanych danych za pomocą EntityRuler, Matcher i PhraseMatcher. Nauczysz się także, jak tworzyć niestandardowe komponenty potoku oraz dane do trenowania i ewaluacji. Stamtąd zagłębisz się w trenowanie modeli spaCy i w to, jak używać ich do inferencji. W trakcie kursu będziesz pracować na przykładach z życia wziętych i utrwalisz swoją wiedzę na temat korzystania ze spaCy we własnych projektach NLP.Wymagania wstępne
Supervised Learning with scikit-learnPython Toolbox1
Wprowadzenie do NLP i spaCy
Ten rozdział wprowadzi cię w świat NLP oraz jego zastosowań – od rozpoznawania jednostek nazewniczych po chatboty oparte na sztucznej inteligencji. Nauczysz się korzystać z potężnej biblioteki spaCy do wykonywania różnych zadań przetwarzania języka naturalnego, takich jak tokenizacja, segmentacja zdań, tagowanie części mowy i rozpoznawanie jednostek nazewniczych.
2
Adnotacje lingwistyczne i wektory słów w spaCy
Poznaj cechy lingwistyczne, wektory słów, podobieństwo semantyczne, analogie i operacje na wektorach słów. W tym rozdziale dowiesz się, jak za pomocą spaCy wyodrębniać wektory słów, kategoryzować teksty powiązane z danym tematem oraz znajdować semantycznie podobne terminy do podanych słów – zarówno z korpusu, jak i ze słownika modelu spaCy.
3
Analiza danych z użyciem spaCy
Zapoznaj się z komponentami potoku spaCy, sposobem ich dodawania oraz analizą potoku NLP. Poznasz też różne podejścia do ekstrakcji informacji opartej na regułach – z użyciem klas EntityRuler, Matcher i PhraseMatcher w spaCy, a także pakietu RegEx języka Python.
4
Dostosowywanie modeli spaCy
Przeanalizuj różne praktyczne sytuacje, w których modele spaCy mogą zawodzić, i naucz się je douczać, aby poprawić ich wydajność. Poznasz etapy trenowania w spaCy, zrozumiesz, jak trenować istniejący model lub budować go od podstaw, oraz jak oceniać model na etapie wnioskowania.
Przetwarzanie języka naturalnego z użyciem spaCy
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Przetwarzanie języka naturalnego z użyciem spaCy już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
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.