Kurzusleírás

Bevezetés

  • A "Ipari Szintű Természetes Nyelvfeldolgozás" definiálása

A spaCy telepítése

spaCy komponensek

  • Szófaji címkéző
  • Névleges entitás felismerő
  • Függőségi elemző

A spaCy funkcióinak és szintaxisának áttekintése

A spaCy modellezésének megértése

  • Statisztikai modellezés és előrejelzés

A spaCy parancssori felület (CLI) használata

  • Alapvető parancsok

Egyszerű alkalmazás készítése viselkedés előrejelzésére

Új statisztikai modell képzése

  • Adatok (képzéshez)
  • Címkék (címkék, névleges entitások stb.)

A modell betöltése

  • Keverés és ciklus

A modell mentése

Visszajelzés adása a modellnek

  • Hiba gradiens

A modell frissítése

  • Az entitásfelismerő frissítése
  • Tokenek kinyerése szabályalapú matcherrel

Általános elmélet kialakítása a várt eredményekhez

Esettanulmány

  • Terméknevek és cégnevek megkülönböztetése

A képzési adatok finomítása

  • Reprezentatív adatok kiválasztása
  • A kiesési arány beállítása

Egyéb képzési stílusok

  • Nyers szövegek átadása
  • Jegyzetek szótárának átadása

A spaCy használata szöveg előfeldolgozására a mély tanuláshoz

A spaCy integrálása örökölt alkalmazásokkal

A spaCy modell tesztelése és hibakeresése

  • Az iteráció fontossága

A modell üzembe helyezése termelésben

A modell monitorozása és beállítása

Hibaelhárítás

Összefoglalás és befejezés

Követelmények

  • Python programozási tapasztalat.
  • Alapvető statisztikai ismeretek.
  • Parancssori tapasztalat.

Közönség

  • Fejlesztők
  • Adattudósok
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák