After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Познайомтеся зі spaCy — галузевим стандартом для NLP
У цьому курсі ви дізнаєтеся, як використовувати spaCy — швидкозростаючу бібліотеку промислового стандарту — для виконання різних завдань обробки природної мови, таких як токенізація, сегментація речень, синтаксичний аналіз і розпізнавання іменованих сутностей. spaCy може забезпечити потужні, прості у використанні та готові до використання в продакшені можливості для широкого спектра завдань обробки природної мови.Опануйте основні операції spaCy
Ви почнете з вивчення основних операцій spaCy та того, як використовувати їх для аналізу тексту й вилучення інформації з неструктурованих даних. Потім ви працюватимете з класами spaCy, такими як Doc, Span і Token, а також навчитеся використовувати різні компоненти spaCy для обчислення векторів слів і прогнозування семантичної схожості.Навчайте моделі spaCy та дізнайтеся про зіставлення шаблонів
Ви потренуєтеся писати прості й складні шаблони зіставлення, щоб витягувати задані терміни та фрази з неструктурованих даних за допомогою EntityRuler, Matcher і PhraseMatcher. Ви також дізнаєтеся, як створювати власні компоненти конвеєра та створювати дані для навчання й оцінювання. Звідти ви перейдете до навчання моделей spaCy та того, як використовувати їх для інференсу. Протягом усього курсу ви працюватимете з реальними прикладами та зміцните своє розуміння використання spaCy у власних NLP-проєктах.Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до NLP і spaCy
У цьому розділі ви познайомитеся з NLP, його застосуваннями, зокрема розпізнаванням іменованих сутностей і чатботами на основі ШІ. Ви навчитеся використовувати потужну бібліотеку spaCy для виконання різних завдань обробки природної мови: токенізації, сегментації речень, POS‑тегування та розпізнавання іменованих сутностей.
- Основи Natural Language Processing (NLP)50 XP
- Контейнер Doc у spaCy100 XP
- Приклад застосування NER50 XP
- Токенізація у spaCy100 XP
- Основи spaCy50 XP
- Запуск конвеєра spaCy100 XP
- Лематизація у spaCy100 XP
- Сегментація речень у spaCy100 XP
- Лінгвістичні ознаки в spaCy50 XP
- POS-розмічування у spaCy100 XP
- NER у spaCy100 XP
- Обробка тексту зі spaCy100 XP
2
Лінгвістичні анотації та векторні подання слів у spaCy
Дізнайтеся про лінгвістичні ознаки, вектори слів, семантичну схожість, аналогії та операції з векторними поданнями. У цьому розділі ви відкриєте, як у spaCy витягати вектори слів, класифікувати тексти за потрібною темою та знаходити семантично подібні терміни до заданих слів у корпусі або словнику моделі spaCy.
3
Аналіз даних зі spaCy
Ознайомтеся з компонентами конвеєра spaCy, процесом додавання компонента та аналізом NLP‑конвеєра. Ви також вивчите кілька підходів до правил‑орієнтованого видобування інформації з використанням класів EntityRuler, Matcher і PhraseMatcher у spaCy та пакета RegEx для Python.
4
Налаштовування моделей spaCy
Розгляньте кілька реальних сценаріїв, де моделі spaCy можуть помилятися, і дізнайтеся, як їх додатково тренувати, щоб підвищити якість. Ви познайомитеся з етапами навчання у spaCy, зрозумієте, як тренувати наявну модель spaCy або з нуля, а також як оцінювати модель під час інференсу.
Обробка природної мови (NLP) зі spaCy
Курс
завершено
