Kurzusleírás

Bevezetés

  • Az "ipari erősségű természetes nyelvfeldolgozás" meghatározása

A spaCy telepítése

spaCy komponensek

  • Szótagszintű tagger
  • Nevesített entitás felismerő
  • Függőségi elemző

A spaCy funkciók és szintaxis áttekintése

A térmodellezés megértése

  • Statisztikai modellezés és előrejelzés

A SpaCy Command Line Interface (CLI) használata

  • Alapvető parancsok

Egy egyszerű alkalmazás létrehozása a viselkedés előrejelzésére

Új statisztikai modell képzése

  • Adatok (képzéshez)
  • Címkék (tag-ek, nevesített entitások stb.)

A modell betöltése

  • Keverés és ciklus

A modell mentése

Visszajelzés adása a modellnek

  • Hiba gradiens

A modell frissítése

  • Az entitás felismerő frissítése
  • Tokenek kinyerése szabályalapú egyeztetővel

Általánosított elmélet kidolgozása a várt eredményekhez

Esettanulmány

  • Terméknevek megkülönböztetése a cégnévtől

A képzési adatok finomítása

  • Képviselő adatok kiválasztása
  • Dropout arány beállítása

Egyéb képzési stílusok

  • Nyers szövegek átadása
  • Annotációk szótárának átadása

A spaCy használata a Deep Learning szövegének előfeldolgozásához

A spaCy integrálása a régebbi alkalmazásokba

A spaCy modell tesztelése és hibakeresése

  • Az iteráció fontossága

A modell bevezetése a gyártásba

A modell figyelése és beállítása

Hibaelhárítás

Összefoglalás, és következtetés

Követelmények

  • Python programozási tapasztalat.
  • A statisztika alapvető ismerete
  • Tapasztalat a parancssor használatában

Közönség

  • Fejlesztők
  • Adattudósok
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (5)

Közelgő kurzusok

Rokon kategóriák