After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Jako analityk danych będziesz wielokrotnie potrzebować wyodrębniać kluczowe informacje z obszernych zbiorów tekstu, porządkować nieustrukturyzowane dane tekstowe lub wykrywać wzorce i wyszukiwać przydatne słowa. Wszystkie te zadania wchodzą w skład eksploracji tekstu i stanowią ważny etap przygotowania danych przed zastosowaniem algorytmów uczenia maszynowego. Ten kurs przeprowadzi cię przez najważniejsze koncepcje związane z manipulacją ciągami znaków i wyrażeniami regularnymi. Nauczysz się dzielić ciągi, łączyć je z powrotem, interpolować, a także wykrywać, wyodrębniać, zastępować i dopasowywać ciągi za pomocą wyrażeń regularnych. Po drodze będziesz pracować ze zbiorami danych zawierającymi recenzje filmów i tweety, które można wykorzystać do analizy opinii, a także z surowym tekstem pobranym ze stron internetowych.
Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy manipulacji ciągami znaków
Zacznij swoją przygodę z wyrażeniami regularnymi! Od wycinania i łączenia ciągów, przez zmianę wielkości liter i usuwanie spacji, aż po wyszukiwanie i zastępowanie tekstu. Na zbiorze danych z recenzjami filmów nauczysz się podstawowych operacji na ciągach znaków.
- Wprowadzenie do manipulacji łańcuchami znaków50 XP
- Pierwszy dzień!100 XP
- Sztuczne recenzje100 XP
- Palindromy100 XP
- Operacje na ciągach znaków50 XP
- Normalizowanie recenzji100 XP
- Czas na łączenie!100 XP
- Podział według wierszy czy według separatora?100 XP
- Wyszukiwanie i zastępowanie50 XP
- Wyszukiwanie podciągu100 XP
- Gdzie jest to słowo?100 XP
- Zastępowanie negacji100 XP
2
Formatowanie ciągów znaków
Kontynuując naukę, poznasz główne metody formatowania i interpolacji ciągów znaków w Pythonie, korzystając ze zbioru danych zawierającego informacje pobrane ze stron internetowych. Zapoznasz się z zaletami i wadami formatowania pozycyjnego, osadzania wyrażeń w stałych tekstowych oraz używania klasy Template.
3
Wyrażenia regularne do dopasowywania wzorców
Czas poznać podstawy wyrażeń regularnych! W tym kluczowym rozdziale zrozumiesz podstawową składnię wyrażeń regularnych. Pracując z prawdziwym zbiorem tweetów przeznaczonych do analizy sentymentu, nauczysz się stosować dopasowywanie wzorców za pomocą zwykłych i specjalnych znaków oraz kwantyfikatorów zachłannych i leniwych.
4
Zaawansowane koncepcje wyrażeń regularnych
W ostatnim etapie poznasz bardziej zaawansowane metody dopasowywania wzorców – z użyciem nawiasów do grupowania ciągów lub odwoływania się do wcześniej dopasowanego tekstu. Dowiesz się też, jak korzystać z asercji wyprzedzających i wstecznych.
Wyrażenia regularne w Pythonie
Kurs
ukończony
