Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Czy zdarzyło ci się zostawić recenzję, żeby wyrazić swoją opinię o produkcie lub usłudze? A może przed zakupem sprawdzasz recenzje innych użytkowników? Tego rodzaju informacje są cenne nie tylko dla ciebie, ale i dla firm. W tym kursie nauczysz się wydobywać sens z sentymentu wyrażonego w różnych tekstach. Skorzystasz z prawdziwych zbiorów danych zawierających tweety, recenzje filmów i produktów, a także z bibliotek nltk i scikit-learn dla Pythona. Po ukończeniu kursu będziesz potrafić przeprowadzić kompletną analizę sentymentu na podstawie opinii pasażerów linii lotniczych opublikowanych na Twitterze.
Wymagania wstępne
Program nauczania
Plan kursu
1
Podstawy analizy sentymentu
Czy przed zakupem produktu lub skorzystaniem z usługi sprawdzasz recenzje i oceny innych użytkowników? Jeśli tak, to analiza sentymentu jest ci już dobrze znana. W tym rozdziale poznasz podstawową strukturę problemu analizy sentymentu i zaczniesz badać wydźwięk recenzji filmowych.
- Witaj!50 XP
- Elementy problemu analizy sentymentu50 XP
- Ile jest recenzji pozytywnych, a ile negatywnych?100 XP
- Najdłuższe i najkrótsze recenzje100 XP
- Typy i podejścia w analizie wydźwięku50 XP
- Wykrywanie sentymentu w Opowieści o dwóch miastach100 XP
- Porównywanie wydźwięku dwóch ciągów znaków100 XP
- Jaki jest wydźwięk recenzji filmowej?100 XP
- Zbudujmy chmurę słów!50 XP
- Twoja pierwsza chmura słów100 XP
- Które słowa pojawiają się w chmurze słów?50 XP
- Chmura słów na podstawie recenzji filmowych100 XP
2
Cechy numeryczne z recenzji
Wyobraź sobie, że prowadzisz firmę oferującą wiele różnych produktów i chcesz wiedzieć, które z nich sprzedają się najlepiej – i przede wszystkim dlaczego. Zaczynamy od pierwszego kroku: analizy recenzji produktów przy użyciu zbioru danych z Amazon. Przekształcimy tekst na postać numeryczną i przyjrzymy się kilku wyzwaniom, które pojawiają się w tym procesie.
3
Wektory numeryczne: przekształcanie tweetów
Ten rozdział kontynuuje analizę recenzji produktów. Omówimy dodatkowe zagadnienia, zwłaszcza te związane z danymi z mediów społecznościowych, takich jak Twitter. Poznasz też inne sposoby uzyskiwania cech numerycznych z tekstu.
4
Przewidywanie sentymentu
Zastosujemy uczenie maszynowe do przewidywania sentymentu recenzji na podstawie użytych w niej słów. Skorzystamy z regresji logistycznej i ocenimy jej skuteczność na kilka różnych sposobów. To solidne pierwsze modele!
Analiza sentymentu w Pythonie
Kurs
ukończony
