After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis 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
Program kursu
Plan kursu
1
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.
- Podstawy przetwarzania języka naturalnego (NLP)50 XP
- Kontener Doc w spaCy100 XP
- Zastosowanie NER50 XP
- Tokenizacja za pomocą spaCy100 XP
- Podstawy spaCy50 XP
- Uruchamianie potoku spaCy100 XP
- Lematyzacja w spaCy100 XP
- Segmentacja zdań w spaCy100 XP
- Cechy językowe w spaCy50 XP
- Tagowanie POS w spaCy100 XP
- Rozpoznawanie encji nazwanych (NER) w spaCy100 XP
- Przetwarzanie tekstu za pomocą spaCy100 XP
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
