After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Từ mạng xã hội đến đánh giá sản phẩm, văn bản ngày càng trở thành kiểu dữ liệu quan trọng trong nhiều ứng dụng, bao gồm phân tích tiếp thị. Trong nhiều trường hợp, văn bản đang thay thế các dạng dữ liệu phi cấu trúc khác nhờ chi phí thấp và tính cập nhật. Tuy nhiên, để khai thác hết tiềm năng của văn bản, bạn cần biết cách tư duy, làm sạch, tóm tắt và mô hình hóa văn bản. Trong khóa học này, bạn sẽ dùng các công cụ tidy mới nhất để bắt đầu làm việc với văn bản một cách nhanh chóng và dễ dàng. Bạn sẽ học cách xử lý và trực quan hóa văn bản, thực hiện phân tích cảm xúc và chạy cũng như diễn giải các mô hình chủ đề.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Xử lý (Wrangling) Văn bản
Vì văn bản là dữ liệu phi cấu trúc, bạn cần xử lý ở một mức độ nhất định để đưa nó về dạng có thể phân tích. Trong chương này, bạn sẽ học cách bổ sung cấu trúc cho văn bản bằng cách token hóa, làm sạch và xem văn bản như dữ liệu phân loại.
2
Trực quan hóa Văn bản
Đếm từ thì hữu ích, nhưng trực quan hóa còn tốt hơn. Trong chương này, bạn sẽ học cách áp dụng những gì bạn biết từ ggplot2 vào dữ liệu văn bản theo chuẩn tidy.
3
Phân tích Cảm xúc
Đếm từ và biểu đồ có thể gợi ý đôi điều về nội dung, nhưng ta có thể làm nhiều hơn thế. Trong chương này, ta đi xa hơn việc chỉ đếm từ để phân tích cảm xúc hay sắc thái cảm xúc của văn bản.
4
Mô hình hóa Chủ đề
Ở chương cuối, chúng ta vượt ra ngoài việc đếm từ để khám phá các chủ đề tiềm ẩn trong một tập tài liệu. Chúng ta sẽ sử dụng một mô hình chủ đề chuẩn gọi là latent Dirichlet allocation.
R
Nhập môn Phân tích Văn bản bằng R
Hoàn
thành khóa học
