Schița de curs

Introducere

  • Definirea „procesare a limbajului natural cu putere industrială”

Instalarea spaCy

Componente spaCy

  • Etichetator parțial de vorbire
  • Recunoaștere de entitate numită
  • Analizor de dependență

Prezentare generală a caracteristicilor și sintaxei spaCy

Înțelegerea modelării spaCy

  • Modelare și predicție statistică

Utilizarea interfeței de linie de comandă SpaCy (CLI)

  • Comenzi de bază

Crearea unei aplicații simple pentru a prezice comportamentul

Formarea unui nou model statistic

  • Date (pentru antrenament)
  • Etichete (etichete, entități denumite etc.)

Încărcarea modelului

  • Se amestecă și se face buclă

Salvarea modelului

Furnizarea de feedback modelului

  • Gradient de eroare

Actualizarea modelului

  • Actualizarea dispozitivului de recunoaștere a entității
  • Extragerea jetoanelor cu potrivire bazată pe reguli

Dezvoltarea unei teorii generalizate pentru rezultatele așteptate

Studiu de caz

  • Distingerea numelor de produse de numele companiilor

Rafinarea datelor de antrenament

  • Selectarea datelor reprezentative
  • Setarea ratei de abandon

Alte stiluri de antrenament

  • Trecerea de texte brute
  • Trecerea dicționarelor de adnotări

Utilizarea spaCy pentru a preprocesa textul pentru Deep Learning

Integrarea spaCy cu aplicațiile vechi

Testarea și depanarea modelului spaCy

  • Importanța iterației

Implementarea modelului în producție

Monitorizarea și ajustarea modelului

Depanare

Rezumat și Concluzie

Cerințe

  • Python experiență de programare.
  • O înțelegere de bază a statisticilor
  • .
  • Experiență cu linia de comandă
  • .

Audiență

  • Dezvoltatorii
  • Științifici de date
  14 ore

Mărturii (4)

Cursuri înrudite

Categorii înrudite