ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Advanced NLP with spaCy

ระดับกลางระดับทักษะ

อัปเดตแล้ว 11/2567

Learn how to use spaCy to build advanced natural language understanding systems, using both rule-based and machine learning approaches.

เริ่มเรียนหลักสูตรฟรี

PythonMachine Learning5 ชม.15 videos55 Exercises4,450 เอ็กซ์พี21,616คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

If you're working with a lot of text, you'll eventually want to know more about it. For example, what's it about? What do the words mean in context? Who is doing what to whom? What companies and products are mentioned? Which texts are similar to each other? In this course, you'll learn how to use spaCy, a fast-growing industry standard library for NLP in Python, to build advanced natural language understanding systems, using both rule-based and machine learning approaches.

ข้อกำหนดเบื้องต้น

Introduction to Natural Language Processing in Python

1

Finding words, phrases, names and concepts

This chapter will introduce you to the basics of text processing with spaCy. You'll learn about the data structures, how to work with statistical models, and how to use them to predict linguistic features in your text.

Introduction to spaCy

50 เอ็กซ์พี

Getting Started

100 เอ็กซ์พี

Documents, spans and tokens

100 เอ็กซ์พี

Lexical attributes

100 เอ็กซ์พี

Statistical models

50 เอ็กซ์พี

Model packages

50 เอ็กซ์พี

Loading models

100 เอ็กซ์พี

Predicting linguistic annotations

100 เอ็กซ์พี

Predicting named entities in context

100 เอ็กซ์พี

Rule-based matching

50 เอ็กซ์พี

Using the Matcher

100 เอ็กซ์พี

Writing match patterns

100 เอ็กซ์พี

เริ่มบท

2

Large-scale data analysis with spaCy

In this chapter, you'll use your new skills to extract specific information from large volumes of text. You'll learn how to make the most of spaCy's data structures, and how to effectively combine statistical and rule-based approaches for text analysis.

Data Structures (1)

50 เอ็กซ์พี

Strings to hashes

100 เอ็กซ์พี

Vocab, hashes and lexemes

50 เอ็กซ์พี

Data Structures (2)

50 เอ็กซ์พี

Creating a Doc

100 เอ็กซ์พี

Docs, spans and entities from scratch

100 เอ็กซ์พี

Data structures best practices

100 เอ็กซ์พี

Word vectors and similarity

50 เอ็กซ์พี

Inspecting word vectors

100 เอ็กซ์พี

Comparing similarities

100 เอ็กซ์พี

Combining models and rules

50 เอ็กซ์พี

Debugging patterns (1)

50 เอ็กซ์พี

Debugging patterns (2)

100 เอ็กซ์พี

Efficient phrase matching

100 เอ็กซ์พี

Extracting countries and relationships

100 เอ็กซ์พี

เริ่มบท

3

Processing Pipelines

This chapter will show you to everything you need to know about spaCy's processing pipeline. You'll learn what goes on under the hood when you process a text, how to write your own components and add them to the pipeline, and how to use custom attributes to add your own meta data to the documents, spans and tokens.

Processing pipelines

50 เอ็กซ์พี

What happens when you call nlp?

50 เอ็กซ์พี

Inspecting the pipeline

100 เอ็กซ์พี

Custom pipeline components

50 เอ็กซ์พี

Use cases for custom components

50 เอ็กซ์พี

Simple components

100 เอ็กซ์พี

Complex components

100 เอ็กซ์พี

Extension attributes

50 เอ็กซ์พี

Setting extension attributes (1)

100 เอ็กซ์พี

Setting extension attributes (2)

100 เอ็กซ์พี

Entities and extensions

100 เอ็กซ์พี

Components with extensions

100 เอ็กซ์พี

Scaling and performance

50 เอ็กซ์พี

Processing streams

100 เอ็กซ์พี

Processing data with context

100 เอ็กซ์พี

Selective processing

100 เอ็กซ์พี

เริ่มบท

4

Training a neural network model

In this chapter, you'll learn how to update spaCy's statistical models to customize them for your use case – for example, to predict a new entity type in online comments. You'll write your own training loop from scratch, and understand the basics of how training works, along with tips and tricks that can make your custom NLP projects more successful.

Training and updating models

50 เอ็กซ์พี

Purpose of training

50 เอ็กซ์พี

Creating training data (1)

100 เอ็กซ์พี

Creating training data (2)

100 เอ็กซ์พี

The training loop

50 เอ็กซ์พี

Setting up the pipeline

100 เอ็กซ์พี

Building a training loop

100 เอ็กซ์พี

Exploring the model

100 เอ็กซ์พี

Training best practices

50 เอ็กซ์พี

Good data vs. bad data

100 เอ็กซ์พี

Training multiple labels

100 เอ็กซ์พี

Wrapping up

50 เอ็กซ์พี

เริ่มบท

Advanced NLP with spaCy

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Advanced NLP with spaCy วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา