Перейти к основному контенту
ГлавнаяPython

Курс

Обработка естественного языка с помощью spaCy

Средний уровеньУровень навыков
Обновлено 07.2025
Начать курс бесплатно
PythonMachine Learning
4 ч
15 видео
53 Упражнения
4,450 XP
8,381
Справка об успешном завершении

Создать бесплатный аккаунт

Продолжить через GoogleПоказать больше вариантов

или


Продолжая, вы принимаете наши Условия использования, Политику конфиденциальности и соглашаетесь с хранением ваших данных в США.

Любимая обучающимися из тысяч компаний

Group

Обучаете команду?

Попробуйте для бизнеса

Описание курса

Познакомьтесь со spaCy — отраслевым стандартом для NLP

В этом курсе вы узнаете, как использовать spaCy — быстро развивающуюся библиотеку, ставшую отраслевым стандартом, — для выполнения различных задач обработки естественного языка, таких как токенизация, сегментация предложений, синтаксический разбор и распознавание именованных сущностей. spaCy предоставляет мощные, простые в использовании и готовые к промышленной эксплуатации возможности для широкого спектра задач обработки естественного языка.

Изучите основные операции spaCy

Вы начнёте с изучения основных операций spaCy и того, как использовать их для анализа текста и извлечения информации из неструктурированных данных. Затем вы будете работать с классами spaCy, такими как Doc, Span и Token, и узнаете, как использовать различные компоненты spaCy для вычисления векторов слов и прогнозирования семантического сходства.

Обучайте модели spaCy и узнайте о сопоставлении по шаблонам

Вы будете практиковаться в написании простых и сложных шаблонов сопоставления для извлечения заданных терминов и фраз из неструктурированных данных с помощью EntityRuler, Matcher и PhraseMatcher. Вы также узнаете, как создавать пользовательские компоненты конвейера и создавать данные для обучения и оценки. Оттуда вы перейдёте к обучению моделей spaCy и тому, как использовать их для инференса. На протяжении всего курса вы будете работать с примерами из реальной практики и закрепите понимание того, как использовать spaCy в собственных NLP-проектах.

Необходимые условия

Supervised Learning with scikit-learnPython Toolbox
1

Введение в NLP и spaCy

В этой главе вы познакомитесь с NLP и некоторыми его задачами — распознаванием именованных сущностей и чат-ботами на основе ИИ. Вы научитесь использовать мощную библиотеку spaCy для выполнения различных задач обработки естественного языка: токенизации, сегментации предложений, частеречной разметки и распознавания именованных сущностей.
Начать главу
2

Лингвистические аннотации и векторы слов в spaCy

Изучите лингвистические признаки, векторы слов, семантическое сходство, аналогии и операции с векторами слов. В этой главе вы узнаете, как использовать spaCy для извлечения векторов слов, классификации текстов по заданной теме и поиска семантически близких слов в корпусе или словаре модели spaCy.
Начать главу
3

Анализ данных с помощью spaCy

Познакомьтесь с компонентами пайплайна spaCy, научитесь добавлять компоненты и анализировать NLP-пайплайн. Вы также изучите несколько подходов к извлечению информации на основе правил с использованием классов EntityRuler, Matcher и PhraseMatcher в spaCy, а также пакета RegEx для Python.
Начать главу
4

Настройка моделей spaCy

Рассмотрите реальные сценарии, в которых модели spaCy могут давать ошибки, и научитесь дообучать их для повышения качества. Вы познакомитесь с этапами обучения в spaCy, освоите дообучение существующей модели и обучение с нуля, а также научитесь оценивать модель на этапе инференса.
Начать главу
Обработка естественного языка с помощью spaCy
Курс
завершён

Получить сертификат об окончании

Добавьте эту квалификацию в профиль LinkedIn, резюме или CV
Поделитесь в социальных сетях и в обзоре эффективности
Записаться сейчас

Присоединяйтесь к более чем 19 миллионам обучающихся и начните Обработка естественного языка с помощью spaCy уже сегодня!

Создать бесплатный аккаунт

Продолжить через GoogleПоказать больше вариантов

или


Продолжая, вы принимаете наши Условия использования, Политику конфиденциальности и соглашаетесь с хранением ваших данных в США.

Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.

Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.