Cursos de PLN | Cursos de Natural Language Processing (NLP)

A IA generativa é um tipo de IA que pode criar conteúdo original, como texto, imagens, música e código. Os modelos de grande linguagem (LLM) são redes neuronais poderosas que podem processar e gerar linguagem natural; Esta formação em direto orientada por um instrutor (no local ou remoto) destina-se a programadores de nível intermédio que pretendam aprender a utilizar a IA generativa com LLMs para várias tarefas e domínios. No final desta formação, os participantes serão capazes de

Explicar o que é a IA generativa e como funciona. Descrever a arquitetura do transformador que alimenta os LLMs. Utilizar leis empíricas de escalonamento para otimizar os LLMs para diferentes tarefas e restrições. Aplicar ferramentas e métodos de última geração para treinar, afinar e implementar LLMs. Discutir as oportunidades e os riscos da IA generativa para a sociedade e as empresas.

Formato do curso

Aula e debate interactivos. Muitos exercícios e práticas. Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

Para solicitar uma formação personalizada para este curso, contacte-nos para combinar.

Transformadores pré-treinados generativos (GPT) são modelos de última geração em processamento de linguagem natural que revolucionaram várias aplicações, incluindo geração de linguagem, conclusão de texto e tradução automática. Este curso fornece uma exploração aprofundada dos modelos GPT, com foco no GPT-3 e nos últimos avanços do GPT-4. Os participantes obterão insights sobre a arquitetura, técnicas de treinamento e aplicações dos modelos GPT.Este treinamento ao vivo conduzido por instrutor (online ou no local) é destinado a cientistas de dados, engenheiros de aprendizado de máquina, pesquisadores de PNL e entusiastas de IA que desejam entender o funcionamento interno dos modelos GPT, explorar os recursos do GPT-3 e GPT-4 , e aprenda como alavancar esses modelos para suas tarefas de PNL.No final desta formação, os participantes serão capazes de:

Entenda os principais conceitos e princípios por trás dos transformadores pré-treinados generativos. Compreender a arquitetura e o processo de treinamento dos modelos GPT. Utilize o GPT-3 para tarefas como geração, conclusão e tradução de texto. Explore os avanços mais recentes do GPT-4 e suas possíveis aplicações. Aplique modelos GPT a seus próprios projetos e tarefas de PNL.

Formato do Curso

Palestra e discussão interativa. Muitos exercícios e prática. Implementação prática em um ambiente de laboratório ao vivo.

Opções de personalização do curso

Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Hugging Face é uma poderosa biblioteca e plataforma de código aberto para processamento de linguagem natural (NLP).Este treinamento ao vivo conduzido por instrutor (online ou no local) é destinado a cientistas de dados, praticantes de aprendizado de máquina e pesquisadores e entusiastas de PNL que desejam utilizar efetivamente o Hugging Face para tarefas de PNL.No final desta formação, os participantes serão capazes de:

Utilize um modelo Hugging Face Transformer e ajuste-o em um conjunto de dados específico. Ganhe a capacidade de abordar de forma independente os desafios comuns da PNL. Crie e compartilhe suas demonstrações de modelo de forma eficaz. Simplifique a otimização de seus modelos para produção. Empregue Hugging Face Transformers para resolver uma ampla gama de problemas de aprendizado de máquina.

Formato do Curso

Palestra e discussão interativa. Muitos exercícios e prática. Implementação prática em um ambiente de laboratório ao vivo.

Opções de personalização do curso

Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Os modelos de linguagem de grande dimensão (LLM) são modelos de redes neuronais profundas que podem gerar textos em linguagem natural com base numa determinada entrada ou contexto. São treinados em grandes quantidades de dados de texto de vários domínios e fontes, e podem captar os padrões sintácticos e semânticos da linguagem natural. Os LLM obtiveram resultados impressionantes em várias tarefas de linguagem natural, como a sumarização de textos, a resposta a perguntas, a geração de textos, etc. Esta formação em direto orientada por um instrutor (no local ou remoto) destina-se a programadores de nível iniciante a intermédio que pretendam utilizar modelos de linguagem grande para várias tarefas de linguagem natural. No final desta formação, os participantes serão capazes de

Configurar um ambiente de desenvolvimento que inclua um LLM popular. Criar um LLM básico e afiná-lo num conjunto de dados personalizado. Utilizar LLMs para diferentes tarefas de linguagem natural, como resumo de texto, resposta a perguntas, geração de texto e muito mais. Depurar e avaliar LLMs usando ferramentas como TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Formato do curso

Aula e debate interactivos. Muitos exercícios e práticas. Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

Para solicitar uma formação personalizada para este curso, contacte-nos para combinar.

Estima-se que os dados não estruturados representem mais de 90% de todos os dados, muitos deles na forma de texto. Postagens de blog, tweets, mídias sociais e outras publicações digitais aumentam continuamente esse crescente corpo de dados. Este curso ao vivo, conduzido por instrutor, centra-se em extrair informações e significado desses dados. Utilizando as bibliotecas de R Language e Natural Language Processing (NLP) , combinamos conceitos e técnicas de ciência da computação, inteligência artificial e linguística computacional para entender algoritmos o significado dos dados de texto. As amostras de dados estão disponíveis em vários idiomas, de acordo com os requisitos do cliente. No final deste treinamento, os participantes serão capazes de preparar conjuntos de dados (grandes e pequenos) a partir de fontes díspares e, em seguida, aplicar os algoritmos certos para analisar e relatar sua importância.

Formato do Curso

• Palestra em parte, discussão em parte, prática prática pesada, testes ocasionais para avaliar a compreensão

Este curso apresenta linguistas ou programadores para PNL em Python . Durante este curso usaremos principalmente o nltk.org (Natural Language Tool Kit), mas também usaremos outras bibliotecas relevantes e úteis para a PNL. No momento, podemos realizar este curso no Python 2.x ou no Python 3.x. Exemplos são em inglês ou mandarim (普通话). Outras línguas também podem ser disponibilizadas se acordadas antes da reserva.

Este curso foi criado para gestores, arquitetos de soluções, executivos de inovação, CTOs, arquitetos de software e qualquer pessoa interessada em uma visão geral da inteligência artificial aplicada e a previsão mais próxima para o seu desenvolvimento.

This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.

ChatBots são programas de computador que simulam automaticamente respostas humanas por meio de interfaces de bate-papo Os ChatBots ajudam as organizações a maximizar a eficiência de suas operações, oferecendo opções mais fáceis e rápidas para as interações dos usuários Neste treinamento presencial instruído, os participantes aprenderão como construir chatbots em Python No final deste treinamento, os participantes serão capazes de: Entenda os fundamentos da construção de chatbots Construa, teste, implemente e solucione vários chatbots usando o Python Público Desenvolvedores Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar .

Deep Learning for NLP permite que uma máquina aprenda o processamento de linguagem simples e complexo Entre as tarefas atualmente possíveis estão a tradução de idiomas e a geração de legendas para fotos DL (Deep Learning) é um subconjunto do ML (Machine Learning) Python é uma linguagem de programação popular que contém bibliotecas para o Deep Learning for NLP Neste treinamento presencial instruído, os participantes aprenderão a usar as bibliotecas Python para o NLP (Natural Language Processing), pois criam um aplicativo que processa um conjunto de imagens e gera legendas No final deste treinamento, os participantes serão capazes de: Projetar e codificar o DL para NLP usando bibliotecas Python Crie código Python que leia uma coleção substancialmente grande de imagens e gere palavras-chave Criar código Python que gera legendas das palavras-chave detectadas Público Programadores com interesse em lingüística Programadores que buscam um entendimento da PNL (Processamento de Linguagem Natural) Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

Geração de linguagem natural (NLG) refere-se à produção de texto em linguagem natural ou fala por um computador Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o Python para produzir texto em linguagem natural de alta qualidade construindo seu próprio sistema NLG do zero Estudos de caso também serão examinados e os conceitos relevantes serão aplicados a projetos de laboratório para geração de conteúdo No final deste treinamento, os participantes serão capazes de: Use o NLG para gerar automaticamente conteúdo para vários setores, desde jornalismo a imóveis, a climas e reportagens esportivas Selecione e organize conteúdo de origem, planeje frases e prepare um sistema para geração automática de conteúdo original Entenda o pipeline de NLG e aplique as técnicas corretas em cada estágio Entenda a arquitetura de um sistema de geração de linguagem natural (NLG) Implementar os algoritmos e modelos mais adequados para análise e ordenação Extrair dados de fontes de dados disponíveis publicamente, bem como bancos de dados com curadoria para usar como material para texto gerado Substituir processos de escrita manuais e trabalhosos por criação de conteúdo automatizada e gerada por computador Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

Esta sessão de treinamento baseada em sala de aula irá explorar as técnicas de PNL em conjunto com a aplicação de IA e Robótica nos negócios Os delegados irão realizar exemplos baseados em computador e exercícios de resolução de estudos de caso usando Python .

A biblioteca Apache OpenNLP é um kit de ferramentas baseado em aprendizado de máquina para processar texto em linguagem natural Ele suporta as tarefas mais comuns de PNL, como detecção de idioma, tokenização, segmentação de frases, tagging de tag de fala, extração de entidades nomeadas, chunking, parsing e resolução de referência Neste treinamento presencial instruído, os participantes aprenderão como criar modelos para processar dados baseados em texto usando o OpenNLP Dados de treinamento de amostra, bem como conjuntos de dados personalizados, serão usados ​​como base para os exercícios de laboratório No final deste treinamento, os participantes serão capazes de: Instalar e configurar o OpenNLP Faça o download de modelos existentes e crie seus próprios Treine os modelos em vários conjuntos de dados de amostra Integre o OpenNLP com aplicativos Java existentes Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

Neste treinamento presencial instruído, os participantes aprenderão como usar o aprendizado de máquina correto e as técnicas de PNL (Processamento de Linguagem Natural) para extrair valor de dados baseados em texto No final deste treinamento, os participantes serão capazes de: Resolva problemas de ciência de dados baseados em texto com código reutilizável de alta qualidade Aplicar diferentes aspectos do scikitlearn (classificação, agrupamento, regressão, redução de dimensionalidade) para resolver problemas Crie modelos eficazes de aprendizado de máquina usando dados baseados em texto Criar um conjunto de dados e extrair recursos do texto não estruturado Visualize dados com o Matplotlib Construa e avalie modelos para obter insight Resolver erros de codificação de texto Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

No final do treinamento, espera-se que os delegados estejam suficientemente equipados com os conceitos essenciais da python e devem ser capazes de usar suficientemente o NLTK para implementar a maioria das operações baseadas na PNL e no ML O treinamento destina-se a fornecer não apenas um conhecimento de execução, mas também o conhecimento lógico e operacional da tecnologia nele contida .

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam usar o spaCy para processar grandes volumes de texto para encontrar padrões e obter insights. No final deste treinamento, os participantes serão capazes de:

• Instale e configure o spaCy.
• Entenda a abordagem do spa para o Natural Language Processing (NLP) .
• Extraia padrões e obtenha insights de negócios a partir de fontes de dados em larga escala.
• Integre a biblioteca spa com aplicativos da Web e legados existentes.
• Implemente a spa para viver ambientes de produção para prever o comportamento humano.
• Use o spaCy para pré-processar o texto do Deep Learning

Formato do Curso

• Palestra interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de personalização de curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.
• Para saber mais sobre o spa, por favor visite: https://spacy.io/

No Python Machine Learning, o recurso Text Summarization é capaz de ler o texto de entrada e produzir um resumo de texto Esse recurso está disponível na linha de comando ou como uma API / biblioteca do Python Uma aplicação interessante é a rápida criação de resumos executivos; Isso é particularmente útil para organizações que precisam revisar grandes corpos de dados de texto antes de gerar relatórios e apresentações Neste treinamento ao vivo instrutor, os participantes aprenderão a usar o Python para criar um aplicativo simples que gera automaticamente um resumo do texto de entrada No final deste treinamento, os participantes serão capazes de: Use uma ferramenta de linha de comando que resume o texto Projetar e criar código de resumo de texto usando bibliotecas Python Avalie três bibliotecas de sumarização do Python: sumy 070, pysummarization 104, readless 1017 Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

TensorFlow™ é uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados. SyntaxNet é um framework de processamento de línguas naturais de rede neural para TensorFlow. Word2Vec é usado para a aprendizagem de representações vector de palavras, chamado "word embeddings". Word2vec é um modelo preditivo particularmente computacional-eficaz para a aprendizagem de palavras de texto cru. Ele vem em dois sabores, o modelo Continuous Bag-of-Words (CBOW) e o modelo Skip-Gram (Capítulos 3.1 e 3.2 em Mikolov et al.) Usados em tandem, o SyntaxNet e Word2Vec permitem que os usuários gerem modelos de aprendizagem integrada a partir da entrada de língua natural. Auditoria Este curso é voltado para desenvolvedores e engenheiros que pretendem trabalhar com os modelos SyntaxNet e Word2Vec em seus gráficos TensorFlow. Após a conclusão deste curso, os delegados serão:

compreender TensorFlow’s estrutura e mecanismos de implantação Ser capaz de realizar tarefas de instalação / ambiente de produção / arquitetura e configuração ser capaz de avaliar a qualidade do código, realizar o desligamento, monitoramento Ser capaz de implementar produção avançada como modelos de treinamento, termos de inserção, gráficos de construção e logging

Deeplearning4j é uma biblioteca de aprendizagem profunda distribuída e de código aberto, escrita para Java e Scala . Integrado com o Hadoop e o Spark, o DL4J foi projetado para ser usado em ambientes de negócios em GPU e CPUs distribuídas. Word 2Vec é um método de computação de representações vetoriais de palavras introduzidas por uma equipe de pesquisadores da Go ogle liderada por Tomas Mikolov. Público Este curso é dirigido a pesquisadores, engenheiros e desenvolvedores que procuram utilizar o Deeplearning4J para construir modelos do Word 2Vec.

Este curso foi desenvolvido para pessoas interessadas em extrair significado do texto escrito em inglês, embora o conhecimento também possa ser aplicado a outras linguagens humanas. O curso abordará como fazer uso de textos escritos por humanos, como posts em blogs, tweets, etc ... Por exemplo, um analista pode configurar um algoritmo que chegará automaticamente a uma conclusão com base em uma extensa fonte de dados.

Spark NLP is an open source library, built on Apache Spark, for natural language processing with Python, Java, and Scala. It is widely used for enterprise and industry verticals, such as healthcare, finance, life science, and recruiting. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use Spark NLP, built on top of Apache Spark, to develop, implement, and scale natural language text processing models and pipelines. By the end of this training, participants will be able to:

• Set up the necessary development environment to start building NLP pipelines with Spark NLP.
• Understand the features, architecture, and benefits of using Spark NLP.
• Use the pre-trained models available in Spark NLP to implement text processing.
• Learn how to build, train, and scale Spark NLP models for production-grade projects.
• Apply classification, inference, and sentiment analysis on real-world use cases (clinical data, customer behavior insights, etc.).

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

TextBlob is a Python NLP library for processing textual data. It provides a simple API that makes it easy to perform NLP tasks, such as part-of-speech tagging, noun phrase extraction, sentiment analysis, classification, translation, etc. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use TextBlob to implement and simplify NLP tasks, such as sentiment analysis, spelling corrections, text classification modeling, etc. By the end of this training, participants will be able to:

• Set up the necessary development environment to start implementing NLP tasks with TextBlob.
• Understand the features, architecture, and advantages of TextBlob.
• Learn how to build text classification systems using TextBlob.
• Perform common NLP tasks (Tokenization, WordNet, Sentiment analysis, Spelling correction, etc.)
• Execute advanced implementations with simple APIs and a few lines of codes.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.