Kursplan
Införandet
- Defining "Industrial-Strength Natural Language Processing"
Installation av spaCy
spaCy Komponenter
- Part-of-speech tagger
- Named entity recognizer
- Dependency parser
Översikt över spaCy-funktioner och syntax
Förstå spaCy Modeling
- Statistical modeling and prediction
Använda SpaCy-kommandoradsgränssnittet (CLI)
- Basic commands
Creating a Simple Application to Predict Behavior
Träna en ny statistisk modell
- Data (för träning)
- Labels (tags, named entities, etc.)
Läser in modellen
- Shuffling och looping
Spara modellen
Ge feedback till modellen
- Error gradient
Uppdatering av modellen
- Updating the entity recognizer
- Extracting tokens with rule-based matcher
Utveckla en generaliserad teori för förväntade resultat
Fallstudie
- Distinguishing Product Names from Company Names
Förfina träningsdata
- Selecting representative data
- Setting the dropout rate
Andra träningsstilar
- Passing raw texts
- Passing dictionaries of annotations
Använda spaCy för att förbearbeta text för Deep Learning
Integrera spaCy med äldre applikationer
Testa och felsöka spaCy-modellen
- The importance of iteration
Distribuera modellen till produktion
Övervakning och justering av modellen
Felsökning
Sammanfattning och slutsats
Krav
- Python programmeringserfarenhet.
- En grundläggande förståelse för statistik
- Erfarenhet av kommandoraden
Publik
- Utvecklare
- Dataforskare
Vittnesmål (3)
Det faktum att vi har mer praktiska övningar med mer liknande data som vi använder i våra projekt (satellitbilder i rasterformat)
Matthieu - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Machine Translated
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
Kurs - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace