After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
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.Предварительные требования
Программа
Структура курса
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.
- Основы обработки естественного языка (NLP)50 XP
- Контейнер Doc в spaCy100 XP
- Пример использования NER50 XP
- Токенизация с помощью spaCy100 XP
- Основы spaCy50 XP
- Запуск конвейера spaCy100 XP
- Лемматизация с помощью spaCy100 XP
- Сегментация текста на предложения с помощью spaCy100 XP
- Лингвистические признаки в spaCy50 XP
- Разметка частей речи с помощью spaCy100 XP
- Распознавание именованных сущностей с помощью spaCy100 XP
- Обработка текста с помощью spaCy100 XP
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.
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.
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.
Обработка естественного языка с помощью spaCy
Курс
завершён
