Programa do Curso

Introdução

  • Definindo "Processamento de Linguagem Natural com Capacidade Industrial"

Instalando spaCy

Componentes spaCy

  • Marcador de parte do discurso
  • Reconhecedor de entidade nomeada
  • Analisador de dependência

Visão geral dos recursos e sintaxe do spaCy

Compreendendo a modelagem spaCy

  • Modelagem estatística e previsão

Usando a interface de linha de comando SpaCy (CLI)

  • Comandos básicos

Criando um aplicativo simples para prever comportamento

Treinando um novo modelo estatístico

  • Dados (para treinamento)
  • Rótulos (tags, entidades nomeadas, etc.)

Carregando o modelo

  • Embaralhando e fazendo loop

Salvando o modelo

Fornecendo feedback ao modelo

  • Gradiente de erro

Atualizando o modelo

  • Atualizando o reconhecedor de entidade
  • Extraindo tokens com matcher baseado em regras

Desenvolvendo uma teoria generalizada para resultados esperados

Estudo de caso

  • Distinguir nomes de produtos de nomes de empresas

Refinando os dados de treinamento

  • Selecionando dados representativos
  • Definir a taxa de abandono

Outros estilos de treinamento

  • Passando textos brutos
  • Passando dicionários de anotações

Usando spaCy para pré-processar texto para Deep Learning

Integrando spaCy com aplicativos legados

Testando e depurando o modelo spaCy

  • A importância da iteração

Implantando o modelo na produção

Monitorando e ajustando o modelo

Solução de problemas

Resumo e conclusão

Requisitos

  • Python experiência em programação
  • Um conhecimento básico de estatística
  • Experiência com a linha de comando

Público

  • Desenvolvedores
  • Cientistas de dados
  14 horas
 

Declaração de Clientes (4)

Cursos Relacionados

Categorias Relacionadas