Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Program detaliat al cursului
- Introducere în NLP
- Înțelegerea NLP
- Cadre de lucru NLP
- Aplicații comerciale ale NLP
- Extragerea de date de pe web
- Lucrul cu diverse API-uri pentru a prelua date text
- Lucrul și stocarea corpusurilor de text, salvarea conținutului și a metadatelor relevante
- Avantajele utilizării Python și un curs rapid de NLTK
- Înțelegerea practică a unui corpus și a unui set de date
- De ce avem nevoie de un corpus?
- Analiza corpusului
- Tipuri de atribute ale datelor
- Diferite formate de fișiere pentru corpusuri
- Pregătirea unui set de date pentru aplicații NLP
- Înțelegerea structurii unei propoziții
- Componente ale NLP
- Înțelegerea limbajului natural
- Analiză morfologică - rădăcină, cuvânt, token, etichete de vorbire
- Analiză sintactică
- Analiză semantică
- Gestionarea ambiguității
- Prelucrarea preliminară a datelor text
- Corpus - text brut
- Tokenizarea propozițiilor
- Stemming pentru text brut
- Lemmatizarea textului brut
- Eliminarea cuvintelor de oprire
- Corpus - propoziții brute
- Tokenizarea cuvintelor
- Lemmatizarea cuvintelor
- Lucrul cu matrice Termen-Document/Document-Termen
- Tokenizarea textului în n-grams și propoziții
- Prelucrare preliminară practică și personalizată
- Corpus - text brut
- Analiza datelor text
- Caracteristici de bază ale NLP
- Parsere și parsare
- Etichetare POS și etichetori
- Recunoașterea entităților numite
- N-grams
- Sac de cuvinte
- Caracteristici statistice ale NLP
- Concepte de algebră liniară pentru NLP
- Teoria probabilităților pentru NLP
- TF-IDF
- Vectorizare
- Codificatori și decodificatori
- Normalizare
- Modele probabilistice
- Inginerie avansată a caracteristicilor și NLP
- Bazele word2vec
- Componentele modelului word2vec
- Logica modelului word2vec
- Extinderea conceptului word2vec
- Aplicarea modelului word2vec
- Studiu de caz: Aplicarea sacului de cuvinte: rezumarea automată a textului folosind algoritmii simplificați și adevărați ai lui Luhn
- Caracteristici de bază ale NLP
- Clustering, clasificare și modelare de subiecte a documentelor
- Clustering și extragerea de modele din documente (clustering ierarhic, k-means, clustering, etc.)
- Compararea și clasificarea documentelor folosind măsuri de distanță TFIDF, Jaccard și cosinus
- Clasificarea documentelor folosind Naïve Bayes și Entropia Maximă
- Identificarea elementelor textuale importante
- Reducerea dimensionalității: Analiza Componentelor Principale, Descompunerea Singulară a Valorilor, factorizarea matricială nenegativă
- Modelare de subiecte și recuperare a informațiilor folosind Analiza Semantică Latentă
- Extragerea de entități, analiza sentimentelor și modelarea avansată de subiecte
- Pozitiv vs. negativ: gradul de sentiment
- Teoria răspunsului la item
- Etichetarea părților de vorbire și aplicarea sa: găsirea persoanelor, locurilor și organizațiilor menționate în text
- Modelare avansată de subiecte: Alocarea Latentă Dirichlet
- Studii de caz
- Extragerea de recenzii nestructurate de la utilizatori
- Clasificarea sentimentelor și vizualizarea datelor de recenzii ale produselor
- Extragerea modelelor de utilizare din jurnalele de căutare
- Clasificarea textului
- Modelarea subiectelor
Cerințe
Cunoștințe și conștientizare a principiilor NLP și o înțelegere a aplicării AI în afaceri
21 Ore
Mărturii (1)
Simt că dobândesc competențele de bază necesare pentru a înțelege cum se integrează ROS și cum să structur projectele în cadrul acestuia.
Dan Goldsmith - Coventry University
Curs - ROS: Programming for Robotics
Tradus de catre o masina
