Struttura del corso
Introduzione
- Definire "Natural Language Processing di livello industriale"
Installazione di spaCy
Componenti spaCy
- Part-of-speech tagger
- Riconoscitore di entità nominate
- Analizzatore di dipendenze
Panoramica delle funzionalità e della sintassi di spaCy
Comprendere la modellazione dello spazio
- Modellazione statistica e previsione
Utilizzo dell'interfaccia della riga di comando (CLI) di SpaCy
- Comandi base
Creazione di una semplice applicazione per prevedere il comportamento
Addestramento di un nuovo modello statistico
- Dati (per l'addestramento)
- Etichette (tag, entità nominate, ecc.)
Caricamento del modello
- Mescolamento e iterazione
Salvataggio del modello
Fornire commenti e suggerimenti al modello
- Gradiente di errore
Aggiornamento del modello
- Aggiornamento del riconoscitore di entità
- Estrazione di token con rule-based matcher
Sviluppo di una teoria generalizzata per i risultati attesi
Caso di studio
- Distinguere i nomi dei prodotti dai nomi delle aziende
Perfezionamento dei dati di training
- Selezione di dati rappresentativi
- Impostazione del dropout rate
Altri stili di allenamento
- Passaggio di testi grezzi
- Passaggio di dizionari di annotazioni
Utilizzo di spaCy per pre-elaborare il testo per Deep Learning
Integrazione di spaCy con le applicazioni legacy
Test e debug del modello spaCy
- L'importanza dell'iterazione
Distribuzione del modello nell'ambiente di produzione
Monitoraggio e regolazione del modello
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- esperienza di programmazione.
- Una conoscenza di base della statistica
- Esperienza con la riga di comando
Pubblico
- Sviluppatori
- Data scientist
Recensioni (5)
Il fatto di avere più esercizi pratici utilizzando dati più simili a quelli che utilizziamo nei nostri progetti (immagini satellitari in formato raster)
Matthieu - CS Group
Corso - Scaling Data Analysis with Python and Dask
Traduzione automatica
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.
Corso - Developing APIs with Python and FastAPI
It was a though course as we had to cover a lot in a short time frame. Our trainer knew a lot about the subject and delivered the content to address our requirements. It was lots of content to learn but our trainer was helpful and encouraging. He answered all our questions with good detail and we feel that we learned a lot. Exercises were well prepared and tasks were tailored accordingly to our needs. I enjoyed this course
Bozena Stansfield - New College Durham
Corso - Build REST APIs with Python and Flask
Trainer develops training based on participant's pace
Farris Chua
Corso - Data Analysis in Python using Pandas and Numpy
I mostly enjoyed everything.