After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Xin giới thiệu spaCy, tiêu chuẩn ngành cho NLP
Trong khóa học này, quý vị sẽ học cách sử dụng spaCy, một thư viện tiêu chuẩn ngành đang phát triển nhanh chóng, để thực hiện các tác vụ xử lý ngôn ngữ tự nhiên (NLP) như phân tách từ, phân đoạn câu, phân tích cú pháp và nhận dạng thực thể được đặt tên. spaCy cung cấp các tính năng mạnh mẽ, dễ sử dụng và sẵn sàng cho sản xuất cho một loạt các tác vụ xử lý ngôn ngữ tự nhiên.Học các hoạt động cốt lõi của spaCy
Quý vị sẽ bắt đầu bằng việc tìm hiểu các hoạt động cốt lõi của spaCy và cách sử dụng chúng để phân tích văn bản và trích xuất thông tin từ dữ liệu không có cấu trúc. Sau đó, quý vị sẽ làm việc với các lớp của spaCy, chẳng hạn như Doc, Span và Token, và tìm hiểu cách sử dụng các thành phần khác nhau của spaCy để tính toán vectơ từ và dự đoán độ tương đồng ngữ nghĩa.Đào tạo mô hình spaCy và tìm hiểu về khớp mẫu
Quý vị sẽ thực hành viết các mẫu khớp đơn giản và phức tạp để trích xuất các thuật ngữ và cụm từ đã cho bằng cách sử dụng EntityRuler, Matcher và PhraseMatcher từ dữ liệu không có cấu trúc. Quý vị cũng sẽ học cách tạo các thành phần ống dẫn tùy chỉnh và tạo dữ liệu đào tạo/đánh giá. Từ đó, quý vị sẽ bắt đầu đào tạo các mô hình spaCy và cách sử dụng chúng để suy luận. Trong suốt khóa học, quý vị sẽ làm việc với các ví dụ thực tế và củng cố kiến thức về việc sử dụng spaCy trong các dự án NLP của riêng mình.Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về NLP và spaCy
Chương này sẽ giới thiệu bạn với NLP, một số trường hợp sử dụng như nhận dạng thực thể có tên và chatbot dùng AI. Bạn sẽ học cách dùng thư viện mạnh mẽ spaCy để thực hiện nhiều tác vụ xử lý ngôn ngữ tự nhiên như tách từ (tokenization), phân đoạn câu, gán nhãn từ loại (POS tagging) và nhận dạng thực thể có tên.
- Những điều cơ bản về Xử lý Ngôn ngữ Tự nhiên (NLP)50 XP
- Container Doc trong spaCy100 XP
- Tình huống sử dụng NER50 XP
- Tách từ (Tokenization) với spaCy100 XP
- Những điều cơ bản về spaCy50 XP
- Chạy một pipeline spaCy100 XP
- Lemmatization với spaCy100 XP
- Phân đoạn câu với spaCy100 XP
- Đặc trưng ngôn ngữ trong spaCy50 XP
- Gán nhãn từ loại (POS) với spaCy100 XP
- NER với spaCy100 XP
- Xử lý văn bản với spaCy100 XP
2
Chú giải ngôn ngữ học và vector từ trong spaCy
Tìm hiểu về các đặc trưng ngôn ngữ, vector từ, độ tương đồng ngữ nghĩa, phép so sánh tương tự và các thao tác với vector từ. Trong chương này, bạn sẽ khám phá cách dùng spaCy để trích xuất vector từ, phân loại văn bản liên quan đến một chủ đề cho trước và tìm các thuật ngữ tương đồng về ngữ nghĩa với những từ nhất định từ một corpus hoặc từ vốn từ vựng của mô hình spaCy.
3
Phân tích dữ liệu với spaCy
Làm quen với các thành phần trong pipeline của spaCy, cách thêm một thành phần vào pipeline và phân tích pipeline NLP. Bạn cũng sẽ học nhiều cách tiếp cận trích xuất thông tin dựa trên luật bằng các lớp EntityRuler, Matcher và PhraseMatcher trong spaCy cùng gói RegEx của Python.
4
Tùy biến mô hình spaCy
Khám phá nhiều tình huống thực tế nơi mô hình spaCy có thể thất bại và học cách huấn luyện tiếp để cải thiện hiệu năng mô hình. Bạn sẽ được giới thiệu quy trình huấn luyện trong spaCy và hiểu cách huấn luyện một mô hình spaCy hiện có hoặc từ đầu, cũng như đánh giá mô hình ở thời điểm suy luận (inference).
Xử lý ngôn ngữ tự nhiên với spaCy
Hoàn
thành khóa học
