Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Estrutura detalhada do treinamento
- Introdução ao Processamento de Linguagem Natural (NLP)
- Compreendendo NLP
- Frameworks de NLP
- Aplicações comerciais de NLP
- Fazendo scraping de dados da web
- Trabalhando com diversas APIs para recuperar dados de texto
- Trabalhando e armazenando corpora de texto, salvando conteúdo e metadados relevantes
- Vantagens do uso do Python e NLTK: curso intensivo
- Compreensão prática de um corpus e conjunto de dados
- Por que precisamos de um corpus?
- Análise de corpus
- Tipos de atributos de dados
- Diferentes formatos de arquivos para corpora
- Preparando um conjunto de dados para aplicações de NLP
- Compreendendo a estrutura de uma sentença
- Componentes do NLP
- Compreensão da linguagem natural
- Análise morfológica - raiz, palavra, token, tags de discurso
- Análise sintática
- Análise semântica
- Lidando com ambiguidade
- Pré-processamento de dados de texto
- Corpus - texto bruto
- Tokênização de sentenças
- Stemming para texto bruto
- Lematização de texto bruto
- Remoção de palavras de parada
- Corpus - sentenças brutas
- Tokênização de palavras
- Lematização de palavras
- Trabalhando com matrizes Term-Document/Document-Term
- Tokênização de texto em n-gramas e sentenças
- Pré-processamento prático e personalizado
- Corpus - texto bruto
- Analisando dados de texto
- Características básicas do NLP
- Parser e parsing
- POS tagging e taggers
- Reconhecimento de entidades nomeadas
- N-gramas
- Bolsa de palavras (bag of words)
- Características estatísticas do NLP
- Conceitos de álgebra linear para NLP
- Teoria probabilística para NLP
- TF-IDF
- Vetorização
- Codificadores e decodificadores
- Normalização
- Modelos probabilísticos
- Engenharia de características avançada e NLP
- Noções básicas do word2vec
- Componentes do modelo word2vec
- Lógica do modelo word2vec
- Extensão do conceito word2vec
- Aplicação do modelo word2vec
- Estudo de caso: Aplicação da bolsa de palavras (bag of words): resumo automático de texto usando algoritmos simplificados e verdadeiros de Luhn
- Características básicas do NLP
- Agrupamento, classificação e modelagem de tópicos de documentos
- Agrupamento de documentos e mineração de padrões (agrupamento hierárquico, k-means, etc.)
- Comparando e classificando documentos usando medidas de distância TFIDF, Jaccard e cosseno
- Classificação de documentos usando Naïve Bayes e Máxima Entropia
- Identificando elementos importantes do texto
- Redução da dimensionalidade: Análise de Componentes Principais, Decomposição em Valores Singulares, fatoração de matriz não negativa
- Modelagem de tópicos e recuperação de informações usando Análise Semântica Latente
- Extração de entidades, análise de sentimentos e modelagem de tópicos avançada
- Positivo vs. negativo: grau de sentimento
- Teoria de Resposta ao Item
- TAGS POS e suas aplicações: encontrar pessoas, lugares e organizações mencionadas no texto
- Modelagem de tópicos avançada: Análise Dirichlet Latente (LDA)
- Estudos de caso
- Mineração de avaliações de usuários não estruturadas
- Classificação e visualização de sentimentos de dados de revisão de produtos
- Mineração de logs de pesquisa para padrões de uso
- Classificação de texto
- Modelagem de tópicos
Requisitos
Conhecimento e conscientização dos princípios de NLP e uma apreciação das aplicações de IA nos negócios
21 Horas
Declaração de Clientes (1)
Sinto que adquiri as habilidades essenciais para entender como o ROS se integra e como estruturar projetos nele.
Dan Goldsmith - Coventry University
Curso - ROS: Programming for Robotics
Máquina Traduzida
