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
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
Maskintolkat
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