After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Чи лишали ви відгук, щоб висловити своє враження про продукт або послугу? А чи маєте звичку переглядати відгуки онлайн, перш ніж купити? Ця інформація цінна не лише для вас, а й для компаній. У цьому курсі ви навчитеся визначати тональність, виражену в різних документах. Ви працюватимете з реальними наборами даних з твітами, а також із відгуками на фільми та продукти, і використовуватимете пакети Python — nltk і scikit-learn. Наприкінці курсу ви зможете виконати повний цикл завдання з аналізу тональності на основі того, як пасажири авіаліній США висловлювали свої емоції у Twitter.
Попередні вимоги
Навчальний план
Зміст курсу
1
Практика аналізу тональності
Чи перевіряли ви коли-небудь відгуки або рейтинги продукту чи послуги перед покупкою? Тоді ви майже напевно вже стикалися з аналізом тональності. У цьому розділі ви вивчите базову структуру задачі аналізу тональності та почнете досліджувати тональність відгуків на фільми.
- Ласкаво просимо!50 XP
- Складові задачі аналізу тональності50 XP
- Скільки є позитивних і негативних відгуків?100 XP
- Найдовші та найкоротші відгуки100 XP
- Типи та підходи до аналізу тональності50 XP
- Визначення сентименту твору A Tale of Two Cities100 XP
- Порівняння тональності двох рядків100 XP
- Який настрій у відгуку на фільм?100 XP
- Створімо хмару слів!50 XP
- Ваша перша хмара слів100 XP
- Які слова є в хмарі слів?50 XP
- Хмара слів для рецензій на фільми100 XP
2
Числові ознаки з відгуків
Уявімо, що ви — представник компанії, яка пропонує різні продукти. Ви хочете знати, які з них — бестселери і головне — чому. Ми розпочинаємо крок 1 у розумінні відгуків про продукти, використовуючи набір даних з відгуками Amazon. Для цього перетворимо текст на числове подання та врахуємо кілька складнощів у процесі.
3
Ще про числові вектори: трансформуємо твіти
Цей розділ продовжує розуміння відгуків про продукти. Ми розглянемо додаткові складнощі, особливо під час роботи з даними аналізу тональності із соціальних мереж, зокрема Twitter. Також ми вивчимо інші способи отримання числових ознак із тексту.
4
Передбачмо тональність
Ми застосуємо машинне навчання, щоб передбачати тональність відгуку на основі слів, ужитих у ньому. Ми використаємо логістичну регресію та оцінимо її якість кількома способами. Це будуть міцні перші моделі!
Аналіз тональності в Python
Курс
завершено
