Kursplan

Introduksjon

  • Definere "Industrial-Strength Natural Language Processing"

Installerer spaCy

spaCy komponenter

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

Oversikt over spaCy-funksjoner og syntaks

Forstå spaCy Modeling

  • Statistisk modellering og prediksjon

Bruke SpaCy Command Line Interface (CLI)

  • Grunnleggende kommandoer

Opprette en enkel applikasjon for å forutsi atferd

Opplæring av en ny statistisk modell

  • Data (for trening)
  • Etiketter (tags, navngitte enheter, etc.)

Laster modellen

  • Blanding og løkke

Lagre modellen

Gi tilbakemelding til modellen

  • Feilgradient

Oppdatering av modellen

  • Oppdatere navngitt enhetsgjenkjenner
  • Hente ut tokens med regelbasert matcher

Utvikle en generalisert teori for forventede resultater

Kasusstudie

  • Skille mellom produktnavn og firmanavn

Avgrense treningsdataene

  • Velge representative data
  • Sette dropout-raten

Andre treningsstiler

  • Sende råtekster
  • Sende ordbøker med annotasjoner

Bruke spaCy til å forhåndsbehandle tekst for Deep Learning

Integrering av spaCy med eldre applikasjoner

Testing og feilsøking av spaCy-modellen

  • Viktigheten av iterasjon

Utrulling av modellen til produksjon

Overvåking og justering av modellen

Feilsøking

Oppsummering og konklusjon

Krav

  • Python programmerfaring.
  • Grunnleggende forståelse av statistikk
  • Erfaring med kommandolinjen

Publikum

  • Utviklere
  • Dataforskere
 14 timer

Antall deltakere


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories