Cursusaanbod

Invoering

  • Definiëren van "Industrial-Strength Natural Language Processing"

SpaCy installeren

spaCy-componenten

  • Part-of-speech tagger
  • Named entity recognizer
  • Dependency parser

Overzicht van spaCy-functies en syntaxis

SpaCy-modellering begrijpen

  • Statistische modellering en voorspelling

De SpaCy-opdrachtregelinterface (CLI) gebruiken

  • Basiscommando's

Het maken van een eenvoudige applicatie om gedrag te voorspellen

Een nieuw statistisch model trainen

  • Data (voor training)
  • Labels (tags, named entities, etc.)

Het model laden

  • Schudden en loopen

Het model opslaan

Feedback geven aan het model

  • Error gradient

Het model bijwerken

  • Bijwerken van de entity recognizer
  • Tokens extraheren met rule-based matcher

Het ontwikkelen van een algemene theorie voor verwachte resultaten

Casestudy

  • Productnamen onderscheiden van bedrijfsnamen

De trainingsgegevens verfijnen

  • Representatieve data selecteren
  • De dropout rate instellen

Andere trainingsstijlen

  • Raw texts doorgeven
  • Dictionaries van annotaties doorgeven

SpaCy gebruiken om tekst voor te verwerken voor Deep Learning

SpaCy integreren met oudere applicaties

Het spaCy-model testen en debuggen

  • Het belang van iteratie

Het model implementeren in productie

Het model monitoren en aanpassen

Probleemoplossen

Samenvatting en conclusie

Vereisten

  • Python programmeerervaring.
  • Een basiskennis van statistiek
  • Ervaring met de opdrachtregel

Publiek

  • Ontwikkelaars
  • Data scientists
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (5)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën