Struttura del corso

Introduzione

  • Definizione di "Elaborazione del Linguaggio Naturale Industriale"

Installazione di spaCy

Componenti di spaCy

  • Tagger delle parti del discorso
  • Riconoscitore di entità nominate
  • Analizzatore delle dipendenze

Panoramica sulle Funzionalità e la Sintassi di spaCy

Comprensione della Modellazione in spaCy

  • Modellazione statistica e previsione

Utilizzo dell'Interfaccia a Riga di Comando (CLI) di spaCy

  • Comandi di base

Creazione di un'applicazione semplice per prevedere il comportamento

Allenamento di un nuovo modello statistico

  • Dati (per l'addestramento)
  • Etichette (tags, entità nominate, ecc.)

Caricamento del Modello

  • Mescolamento e loop

Salvataggio del Modello

Fornitura di Feedback al Modello

  • Gradiente degli errori

Aggiornamento del Modello

  • Aggiornamento del riconoscitore delle entità
  • Estrazione dei token con il matcher basato su regole

Sviluppo di una Teoria Generalizzata per i Risultati Attesi

Caso Studio

  • Distinguire i Nomi dei Prodotti dai Nomi delle Aziende

Raffinamento dei Dati di Addestramento

  • Selezione di dati rappresentativi
  • Impostazione del tasso di dropout

Altri Stili di Addestramento

  • Passeggio di testi grezzi
  • Passeggio di dizionari di annotazioni

Utilizzo di spaCy per Preprocessare il Testo per l'Apprendimento Profondo

Integrazione di spaCy con Applicazioni Legacy

Test e Debug del Modello spaCy

  • L'importanza dell'iterazione

Distribuzione del Modello in Produzione

Monitoraggio e Regolazione del Modello

Risoluzione dei Problemi

Riassunto e Conclusione

Requisiti

  • Esperienza di programmazione in Python.
  • Conoscenze di base della statistica.
  • Esperienza con la riga di comando.

Pubblico di Riferimento

  • Sviluppatori
  • Data scientists
 14 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative