Kursplan

Introduktion

  • Definiera "Industrial-Strength Natural Language Processing".

Installera spaCy

spaCys komponenter

  • Delvis taggare (Part-of-speech tagger)
  • Namngivningsentitetsigenkännare (Named entity recognizer)
  • Beroendeanalysator (Dependency parser)

Översikt över spaCys funktioner och syntax

Förstå spaCy-modellering

  • Statistisk modellering och förutsägelse.

Använda spaCys kommandoradssgränssnitt (CLI)

  • Grundläggande kommandon.

Skapa ett enkelt program för att förutsäga beteende

Träna en ny statistisk modell

  • Data (för träning).
  • Etiketter (taggar, namngivningsentiteter, etc.).

Ladda modellen

  • Blanda och loopa.

Spara modellen

Ange återkoppling till modellen

  • Felgradient.

Uppdatera modellen

  • Uppdatera entitetsigenkännaren.
  • Hämta token med regelbaserad matchare.

Utveckla en generell teori för förväntade resultat

Fallstudie

  • Distingera produktnamn från företagsnamn.

Förfining av träningsdata

  • Välj representativa data.
  • Ställ in dropout-hastighet.

Annan träningsstil

  • Passa rå text.
  • Passa dictionärer med anmärkningar.

Använd spaCy för att förbearbeta text för djupinlärning

Integrera spaCy med äldre appar

Testa och felsöka spaCy-modellen

  • Betydelsen av iteration.

Distribuera modellen till produktion

Övervaka och justera modellen

Felsökning

Sammanfattning och slutsats

Krav

  • Erfarenhet av Python-programmering.
  • En grundläggande förståelse för statistik.
  • Erfarenhet av kommandoraden.

Målgrupp

  • Utvecklare
  • Datavetare
 14 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier