Kurzusleírás

Bevezetés

  • Az "iparilag erős természetes nyelvi feldolgozás" meghatározása

A spaCy telepítése

spaCy komponensek

  • Beszédrész-címkéző
  • Megnevezett 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

Egyszerű alkalmazás létrehozása a viselkedés előrejelzésére

Új statisztikai modell képzése

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

A modell betöltése

  • Keverés és hurkolt

A modell mentése

Visszajelzés adása a modellnek

  • Hiba gradiens

A modell frissítése

  • Az entitásfelismerő frissítése
  • Tokenek kinyerése szabályalapú illesztővel

Általánosított elmélet kidolgozása a várt eredményekhez

Esettanulmány

  • A terméknevek megkülönböztetése a cégnevektől

A képzési adatok finomítása

  • Reprezentatív adatok kiválasztása
  • A lemorzsolódási arány beállítása

Egyéb képzési stílusok

  • Nyers szövegek átadása
  • Annotációs szótárak 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
  • Parancssoros tapasztalat

Közönség

  • Fejlesztők
  • Adattudósok
  14 Hours
 

Résztvevők száma


Tanfolyam kezdete

Tanfolyam vége


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Vélemények (4)

Rokon tanfolyam

Rokon kategóriák