Обработка естественного языка с помощью Python NLP [Jose Portilla]

Складчина: Обработка естественного языка с помощью Python NLP [Jose Portilla]

Чему вы научитесь

• Научитесь работать с текстовыми файлами с помощью Python
• Узнайте, как работать с PDF-файлами в Python.
• Используйте регулярные выражения для поиска шаблонов в тексте
• Используйте Spacy для сверхбыстрой токенизации
• Узнайте о стемминге и лемматизации
• Понимайте словарное соответствие с помощью Spacy
• Используйте теги части речи для автоматической обработки необработанных текстовых файлов.
• Понимание распознавания именованных объектов
• Визуализируйте POS и NER с помощью Spacy
• Используйте SciKit-Learn для классификации текста
• Используйте скрытое распределение Дирихле для тематического моделирования
• Узнайте о факторизации неотрицательной матрицы
• Используйте алгоритм Word2Vec
• Используйте NLTK для анализа настроений
• Используйте глубокое обучение, чтобы создать собственного чат-бота

Описание
Добро пожаловать на лучший онлайн-курс по обработке естественного языка! Этот курс задуман как полноценный онлайн-ресурс для изучения того, как использовать обработку естественного языка с языком программирования Python.

В курсе мы рассмотрим все, что вам нужно изучить, чтобы стать практиком НЛП мирового класса с Python.

Мы начнем с основ: узнаем, как открывать текстовые и PDF-файлы и работать с ними с помощью Python, а также научимся использовать регулярные выражения для поиска пользовательских шаблонов внутри текстовых файлов.

После этого мы начнем с основ обработки естественного языка, используя библиотеку Natural Language Toolkit для Python, а также современную библиотеку Spacy для сверхбыстрой токенизации, синтаксического анализа, распознавания сущностей и лемматизации текста.

Мы поймем фундаментальные концепции НЛП, такие как стемминг, лемматизация, стоп-слова, сопоставление фраз, токенизация и многое другое!

Далее мы рассмотрим тегирование части речи, при котором ваши сценарии Python смогут автоматически присваивать словам в тексте соответствующую часть речи, например существительные, глаголы и прилагательные, что является важной частью построения интеллектуальных языковых систем.

Мы также узнаем о распознавании именованных объектов, позволяющем вашему коду автоматически понимать такие понятия, как деньги, время, компании, продукты и т. д., просто предоставляя текстовую информацию.

Благодаря современным библиотекам визуализации мы сможем просматривать эти отношения в режиме реального времени.

Затем мы перейдем к пониманию машинного обучения с помощью Scikit-Learn для проведения классификации текста, например автоматического создания систем машинного обучения, которые могут определять положительные и отрицательные рецензии на фильмы или сравнивать спам с законными сообщениями электронной почты.

Мы расширим эти знания до более сложных методов неконтролируемого обучения для обработки естественного языка, таких как тематическое моделирование, где наши модели машинного обучения будут обнаруживать темы и основные понятия из необработанных текстовых файлов.

В этом курсе рассматриваются даже сложные темы, такие как анализ тональности текста с помощью библиотеки NLTK и создание семантических векторов слов с помощью алгоритма Word2Vec.

В этот курс включен целый раздел, посвященный современным продвинутым темам, таким как использование глубокого обучения для создания собственных чат-ботов!

Благодаря этому курсу вы не только получите фантастический технический контент, но также получите доступ как к нашим форумам вопросов и ответов, связанным с курсом, так и к нашему живому каналу студенческого чата, так что вы сможете объединяться с другими студентами для реализации проектов или получать помощь по содержанию курса от меня и ассистентов преподавателя курса.

Язык курса: Английский
11,5 ч видео

Скрытая ссылка