After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
У цьому курсі ви вивчите прийоми, що дають змогу видобувати корисну інформацію з тексту та перетворювати її у формат, придатний для застосування моделей ML. Зокрема, ви ознайомитеся з POS-розміткою, розпізнаванням іменованих сутностей, індексами читабельності, моделями n-gram та tf-idf і тим, як реалізувати їх у scikit-learn і spaCy. Ви також навчитеся обчислювати, наскільки подібні два документи між собою. У процесі ви передбачатимете тональність відгуків на фільми та створите рекомендаційні системи для фільмів і виступів TED. Після курсу ви зможете конструювати ключові ознаки з будь-якого тексту та розв'язувати одні з найскладніших задач у науці про дані!
Попередні вимоги
Навчальний план
Зміст курсу
1
Базові ознаки та індекси читабельності
Навчіться обчислювати базові ознаки, зокрема кількість слів, кількість символів, середню довжину слова та кількість спеціальних символів (наприклад, гештегів і згадок у Twitter). Також ви навчитеся рахувати індекси читабельності та визначати рівень освіти, потрібний, щоб зрозуміти текст.
- Вступ до ознак для NLP50 XP
- Формат даних для алгоритмів ML50 XP
- One-hot кодування100 XP
- Базове добування ознак50 XP
- Кількість символів у твітах з Росії100 XP
- Підрахунок слів у виступах TED100 XP
- Хештеги та згадки в російських твітах100 XP
- Тести читабельності50 XP
- Зрозумілість «Міфу про Сізіфа»100 XP
- Читабельність різних видань100 XP
2
Попередня обробка тексту, POS-розмітка та NER
У цьому розділі ви дізнаєтеся про токенізацію та лематизацію. Далі ви навчитеся виконувати очищення тексту, розмітку частин мови та розпізнавання іменованих сутностей за допомогою бібліотеки spaCy. Засвоївши ці поняття, ви зробите промову в Геттісбурзі зручною для обробки машиною, проаналізуєте вживання іменників у фейкових новинах і визначите людей, згаданих у статті TechCrunch.
3
Моделі n-gram
Дізнайтеся про моделювання n-gram і застосуйте його для аналізу тональності відгуків на фільми.
4
TF-IDF і метрики подібності
Навчіться обчислювати ваги tf-idf і косинусну подібність між двома векторами. Ви застосуєте ці підходи, щоб створити рекомендаційні системи для фільмів і виступів TED. Нарешті, ви також дізнаєтеся про векторні подання слів (word embeddings) і, використовуючи вектори слів, обчислите подібність між різними піснями Pink Floyd.
Інженерія ознак для NLP у Python
Курс
завершено
