Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Schemă detaliată a antrenamentului
- Introducere în NLP
- Comprezând NLP
- Cadre de lucru pentru NLP
- Aplicații comerciale ale NLP
- Scrapare a datelor de pe internet
- Munca cu diverse API-uri pentru recuperarea datelor textuale
- Munca și stocarea corporilor de texte, salvând conținutul și metadatele relevante
- Vantajele utilizării cursului rapid Python și NLTK
- Comprezând practic un corpus și un set de date
- Poate pentru ce avem nevoie de un corpus?
- Analiza corporului
- Tipuri de atribute de date
- Diferite formate de fișiere pentru corpora
- Pregătirea unui set de date pentru aplicații NLP
- Comprezând structura unor propoziții
- Componentele NLP
- Comprezând limbajul natural
- Analiza morfologică - rădăcină, cuvânt, token, etichete de vorbire
- Analiza sintactică
- Analiza semantică
- Gestionarea ambiguității
- Preprocesarea datelor textuale
- Corpus - text brut
- Tokeinizarea propozițiilor
- Stemming pentru text brut
- Lemmization a textului brut
- Eliminarea cuvintelor stop
- Corpus- propoziții brute
- Word tokenizare
- Word lemmatizare
- Munca cu matrice Term-Documents/Document-Term
- Tokeinizarea textului în n-gramuri și propoziții
- Preprocesarea practică și personalizată
- Corpus - text brut
- Analiza datelor textuale
- Caracteristici de bază ale NLP
- Parsers și parsing
- Etichetare POS și taggers
- Recunoașterea entităților nominaționale
- N-gramuri
- Cosul cu cuvinte
- Caracteristici statistice ale NLP
- Concepte de algebră liniară pentru NLP
- Teoria probabilistică pentru NLP
- TF-IDF
- Vectorezare
- Encoders și Decoders
- Normalizare
- Modele probabilistice
- Ingineria caracteristicilor avansate și NLP
- Bazice ale word2vec
- Componentele modelului word2vec
- Logica modelului word2vec
- Extinderea conceptului de word2vec
- Apliția modelului word2vec
- Cazuri studiu: Aplicație a cosului cu cuvinte: sumarizarea automată a textelor folosind algoritmul simplificat și cel real al lui Luhn
- Caracteristici de bază ale NLP
- Clusterezare, Clasificare și Modelare Tematică a Documentelor
- Clusterezare a documentelor și miniere de modele (clusterezare ierarhică, k-means, clusterezare, etc.)
- Compararea și clasificarea documentelor folosind TFIDF, măsurile Jaccard și cosinus
- Clasificarea documentelor folosind Naïve Bayes și Maximum Entropy
- Identificarea Textului Importanț Elements
- Reducerea dimensiunii: Analiza Principala de Componente, Descompunere Singulară Valoare ne-negativă a matricei
- Modelarea tematică și recuperarea informațiilor folosind Analiza Semantica Latentă
- Extragerea Entităților, Sentiment Analysis și Modelare Tematică Avansată
- Pozitiv vs. negativ: gradul de sentiment
- Theoriea Răspunsurilor la Elemente
- Etichetarea partii de vorbire și aplicațiile sale: găsirea persoanelor, locaților și organizațiilor menționate în text
- Modelare tematică avansată: Allocația Dirichlet Latentă
- Cazuri studiu
- Mining al comentariilor utilizatorului nestructurate
- Clasificarea sentimentelor și vizualizarea datelor de recenzii ale produselor
- Mining al jurnalurilor de căutare pentru modele de utilizare
- Clasificarea textului
- Modelare tematică
Cerințe
Cunoașterea și conștientizarea principiilor NLP și aprecierea aplicării IA în afaceri
21 ore
Mărturii (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.
