After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Har du någonsin lämnat en recension för att berätta vad du tyckte om en produkt eller tjänst? Och brukar du läsa andras recensioner innan du köper något? Den här typen av information är värdefull – inte bara för dig, utan även för företag. I den här kursen lär du dig att tolka det sentiment som uttrycks i olika typer av text. Du arbetar med verkliga datamängder med tweets, film- och produktrecensioner, och använder Pythons nltk- och scikit-learn-paket. När kursen är slut kommer du att kunna genomföra en komplett sentimentanalys baserad på hur amerikanska flygpassagerare uttryckte sina åsikter på Twitter.
Förkunskapskrav
Kursplan
Kursöversikt
1
Sentimentanalysens grunder
Har du någonsin läst recensioner eller betyg för en produkt eller tjänst innan du köpte den? Då har du med stor sannolikhet redan stött på sentimentanalys. I det här kapitlet lär du dig den grundläggande strukturen hos ett sentimentanalysprolem och börjar utforska sentimentet i filmrecensioner.
- Välkommen!50 XP
- Delarna i ett sentimentanalyssystem50 XP
- Hur många positiva respektive negativa recensioner finns det?100 XP
- Längsta och kortaste recensioner100 XP
- Typer av och metoder för sentimentanalys50 XP
- Identifiera sentimentet i En berättelse om två städer100 XP
- Jämför sentimentet i två strängar100 XP
- Vad är sentimentet i en filmrecension?100 XP
- Låt oss bygga ett ordmoln!50 XP
- Ditt första ordmoln100 XP
- Vilka ord finns i ordmolnet?50 XP
- Ordmoln för filmrecensioner100 XP
2
Numeriska särdrag från recensioner
Tänk dig att du jobbar på ett företag som säljer ett brett sortiment av produkter. Du vill veta vilka produkter som säljer bäst – och framför allt varför. Vi tar det första steget mot att förstå produktrecensioner med hjälp av en datamängd med Amazon-recensioner. För det ändamålet omvandlar vi text till numerisk form och hanterar några av de utmaningar som uppstår längs vägen.
3
Mer om numeriska vektorer: att transformera tweets
Det här kapitlet fortsätter arbetet med att förstå produktrecensioner. Vi går igenom ytterligare utmaningar, särskilt när man arbetar med sentimentanalysdata från sociala medier som Twitter. Vi tittar också på fler sätt att hämta numeriska särdrag från text.
4
Dags att förutsäga sentimentet
Vi använder maskininlärning för att förutsäga sentimentet i en recension utifrån de ord som används. Vi tillämpar logistisk regression och utvärderar modellens prestanda på flera olika sätt. Det här är riktigt solida första modeller!
Sentimentanalys i Python
Kurs
slutförd
