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
Plan de instruire detaliat
- Introducere în NLP
- Înțelegerea NLP
- Cadrul NLP
- Aplicațiile comerciale ale NLP
- Scraping de date de pe web
- Lucrul cu diverse API-uri pentru a recupera date text
- Lucrul și stocarea corporilor de text, salvarea conținutului și metadatelor relevante
- Vantajele utilizării Python și curs rapid NLTK
- Înțelegerea practică a unui corpus și dataset
- De ce avem nevoie de un corpus?
- Analiza corporului
- Tipuri de atribute ale datelor
- Diferite formate de fișiere pentru corpori
- Pregătirea unui set de date pentru aplicații NLP
- Înțelegerea structurii unor propoziții
- Componentele NLP
- Înțelegerea limbajului natural
- Analiza morfologică - stem, cuvânt, token, etichete de discurs
- Analiza sintactică
- Analiza semantică
- Gestionarea ambiguității
- Preprocesarea datelor text
- Corpus - text brut
- Fractionarea propozițiilor
- Stemming pentru text brut
- Lemmizarea textului brut
- Eliminarea cuvintelor de ocol
- Corpus - propoziții brute
- Fractionarea cuvintelor
- Lemmizarea cuvintelor
- Lucrul cu matricea Term-Document/Document-Term
- Fractionarea textului în n-grami și propoziții
- Preprocesare practică și personalizată
- Corpus - text brut
- Analiza datelor text
- Caracteristicile de bază ale NLP
- Parseri și parsing
- Etichetarea POS și etichetorii
- Recunoașterea entităților numite
- N-grami
- Sacul cu cuvinte
- Caracteristicile statistice ale NLP
- Concepte de algebră liniară pentru NLP
- Teoria probabilistică pentru NLP
- TF-IDF
- Vectoarezierea
- Encoderi și decoderi
- Normalizarea
- Modele probabilistice
- Ingineria avansată a caracteristicilor și NLP
- Concepte de bază ale word2vec
- Componentele modelului word2vec
- Logica modelului word2vec
- Extinderea conceptului word2vec
- Aplicarea modelului word2vec
- Caz de studiu: Aplicația sacului cu cuvinte: rezumat automat al textului folosind algoritmi simplificăți și adevărați Luhn
- Caracteristicile de bază ale NLP
- Agruparea, clasificarea și modelarea de subiecte a documentelor
- Agruparea documentelor și minarea de modele (aglomerativ, k-means, etc.)
- Comparația și clasificarea documentelor folosind măsurile TFIDF, Jaccard și cosinus
- Clasificarea documentelor folosind Naïve Bayes și Maximum Entropy
- Identificarea elementelor text importante
- Reducerea dimensionalității: Analiza Componentelor Principale, Descompunerea în Valori Singulare, factorizarea matricei ne-negativă
- Modelarea de subiecte și recuperarea informațiilor folosind Analiza Semantică Latentă
- Extragerea entităților, analiza sentimentului și modelarea avansată a subiectelor
- Pozitiv vs. negativ: gradul de sentiment
- Teoria răspunsurilor itemelor
- Etichetarea cuvintelor după părți de discurs și aplicația acesteia: găsirea persoanelor, locurilor și organizațiilor menționate în text
- Modelarea avansată a subiectelor: Analiza Dirichlet Latentă
- Cazuri de studiu
- Minarea recenzilor utilizatorilor nestructurate
- Clasificarea și vizualizarea datelor cu recenzii produse
- Minarea jurnalurilor de căutare pentru modele de utilizare
- Clasificarea textului
- Modelarea subiectelor
Cerințe
Cunoașterea și conștientizarea principiilor NLP și aprecierea aplicării AI în afaceri
21 ore
Mărturii (1)
Mă simt că obțin competențele esențiale necesare pentru a înțelege cum se potrivesc părțile ROS și cum să structurăm proiectele în el.
Dan Goldsmith - Coventry University
Curs - ROS: Programming for Robotics
Tradus de catre o masina
