After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Möt spaCy, en branschstandard för NLP
I den här kursen lär du dig hur du använder spaCy, ett snabbt växande branschstandardbibliotek, för att utföra olika uppgifter inom naturlig språkbehandling, såsom tokenisering, meningssegmentering, parsning och igenkänning av namngivna entiteter. spaCy kan erbjuda kraftfulla, lättanvända och produktionsklara funktioner för ett brett spektrum av uppgifter inom naturlig språkbehandling.Lär dig de centrala funktionerna i spaCy
Du kommer att börja med att lära dig de grundläggande funktionerna i spaCy och hur du använder dem för att analysera text och extrahera information från ostrukturerad data. Sedan kommer du att arbeta med spaCys klasser, såsom Doc, Span och Token, och lära dig hur du använder olika spaCy-komponenter för att beräkna ordvektorer och förutsäga semantisk likhet.Träna spaCy-modeller och lär dig om mönstermatchning
Du kommer att öva på att skriva enkla och komplexa matchningsmönster för att extrahera givna termer och fraser med hjälp av EntityRuler, Matcher och PhraseMatcher från ostrukturerad data. Du kommer också att lära dig hur du skapar anpassade pipeline-komponenter och skapar tränings- och utvärderingsdata. Därifrån kommer du att fördjupa dig i att träna spaCy-modeller och hur du använder dem för inferens. Under hela kursen kommer du att arbeta med verkliga exempel och befästa din förståelse för att använda spaCy i dina egna NLP-projekt.Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till NLP och spaCy
Det här kapitlet introducerar dig till NLP och några av dess användningsområden, till exempel igenkänning av namngivna entiteter och AI-drivna chattbotar. Du lär dig att använda det kraftfulla spaCy-biblioteket för olika uppgifter inom naturlig språkbehandling, som tokenisering, meningssegmentering, ordklasstaggning och igenkänning av namngivna entiteter.
- Grunderna i naturlig språkbehandling (NLP)50 XP
- Doc-behållaren i spaCy100 XP
- NER-användningsfall50 XP
- Tokenisering med spaCy100 XP
- Grunderna i spaCy50 XP
- Köra en spaCy-pipeline100 XP
- Lemmatisering med spaCy100 XP
- Meningssegmentering med spaCy100 XP
- Lingvistiska särdrag i spaCy50 XP
- Ordklasstaggning med spaCy100 XP
- NER med spaCy100 XP
- Textbearbetning med spaCy100 XP
2
Språkliga annoteringar och ordvektorer i spaCy
Lär dig om språkliga särdrag, ordvektorer, semantisk likhet, analogier och ordvektoroperationer. I det här kapitlet får du se hur du använder spaCy för att extrahera ordvektorer, kategorisera texter som är relevanta för ett givet ämne och hitta semantiskt liknande termer till givna ord från ett korpus eller från ett spaCy-modellvokabulär.
3
Dataanalys med spaCy
Bekanta dig med spaCy:s pipeline-komponenter, hur du lägger till en pipeline-komponent och hur du analyserar NLP-pipelinen. Du lär dig också om flera metoder för regelbaserad informationsutvinning med klasserna EntityRuler, Matcher och PhraseMatcher i spaCy samt Python-paketet RegEx.
4
Anpassning av spaCy-modeller
Utforska flera verkliga scenarier där spaCy-modeller kan misslyckas och lär dig hur du tränar dem vidare för att förbättra modellprestandan. Du introduceras till spaCy:s träningssteg och får förståelse för hur du tränar en befintlig spaCy-modell eller bygger en från grunden, samt hur du utvärderar modellen vid inferens.
Naturlig språkbehandling med spaCy
Kurs
slutförd
