Schița de curs

Introducere

  • Definirea "Procesării Limbajului Natural de Înaltă Performanță"

Instalarea spaCy

Componentele spaCy

  • Marcator de părți de vorbire
  • Recunoașterea entităților numite
  • Parser de dependențe

Prezentare generală a caracteristicilor și sintaxei spaCy

Înțelegerea Modelării în spaCy

  • Modelare statistică și predicție

Utilizarea Interfeței de Linie de Comandă (CLI) spaCy

  • Comenzi de bază

Crearea unei Aplicații Simple pentru a Prezice Comportamentul

Antrenarea unui Nou Model Statistic

  • Date (pentru antrenament)
  • Etichete (taguri, entități numite, etc.)

Încărcarea Modelului

  • Amestecarea și repetarea

Salvarea Modelului

Oferirea de Feedback Modelului

  • Gradient de eroare

Actualizarea Modelului

  • Actualizarea recunoașterii de entități
  • Extragerea tokenilor cu potrivire bazată pe reguli

Dezvoltarea unei Teorii Generalizate pentru Rezultatele Așteptate

Studiu de Caz

  • Diferențierea Numelor de Produse de Numele Companiilor

Rafinarea Datelor de Antrenament

  • Selectarea datelor reprezentative
  • Setarea ratei de abandon

Alte Stiluri de Antrenament

  • Transmiterea textelor brute
  • Transmiterea dicționarelor de adnotări

Utilizarea spaCy pentru a Pre-procesa Textul pentru Învățarea Profundă

Integrarea spaCy cu Aplicații Legacy

Testarea și Depanarea Modelului spaCy

  • Importanța iterației

Implementarea Modelului în Producție

Monitorizarea și Ajustarea Modelului

Depanare

Rezumat și Concluzii

Cerințe

  • Experiență în programarea Python.
  • O înțelegere de bază a statisticii
  • Experiență cu linia de comandă

Public țintă

  • Dezvoltatori
  • Oameni de știință de date
 14 Ore

Numărul de participanți


Pret per participant

Mărturii (3)

Cursuri viitoare

Categorii înrudite