NLP Training Courses | Natural Language Processing (NLP) Training Courses

L'IA generativa è un tipo di intelligenza artificiale in grado di creare contenuti originali come testo, immagini, musica e codice. I modelli linguistici di grandi dimensioni (LLM) sono potenti reti neurali in grado di elaborare e generare il linguaggio naturale.  Questa formazione dal vivo con istruttore (online o in loco) è rivolta agli sviluppatori di livello intermedio che desiderano imparare a utilizzare l'IA generativa con gli LLM per vari compiti e domini. Al termine di questa formazione, i partecipanti saranno in grado di:

Spiega cos'è l'IA generativa e come funziona. Descrivere l'architettura del trasformatore che alimenta gli LLM. Utilizza le leggi di scalabilità empiriche per ottimizzare gli LLM per diverse attività e vincoli. Applica strumenti e metodi all'avanguardia per addestrare, perfezionare e distribuire gli LLM. Discutere le opportunità e i rischi dell'IA generativa per la società e le imprese.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

I trasformatori generativi pre-addestrati (GPT) sono modelli all'avanguardia nell'elaborazione del linguaggio naturale che hanno rivoluzionato varie applicazioni, tra cui la generazione di linguaggi, il completamento del testo e la traduzione automatica. Questo corso fornisce un'esplorazione approfondita dei modelli GPT, con particolare attenzione a GPT-3 e agli ultimi progressi in GPT-4. I partecipanti acquisiranno informazioni sull'architettura, le tecniche di formazione e le applicazioni dei modelli GPT. Questa formazione dal vivo con istruttore (online o in loco) è rivolta a data scientist, ingegneri di apprendimento automatico, ricercatori NLP e appassionati di intelligenza artificiale che desiderano comprendere il funzionamento interno dei modelli GPT, esplorare le funzionalità di GPT-3 e GPT-4 e imparare come sfruttare questi modelli per le loro attività NLP. Al termine di questa formazione, i partecipanti saranno in grado di:

Comprendere i concetti e i principi chiave alla base dei trasformatori generativi pre-addestrati. Comprendere l'architettura e il processo di addestramento dei modelli GPT. Utilizza GPT-3 per attività come la generazione, il completamento e la traduzione del testo. Esplora gli ultimi progressi in GPT-4 e le sue potenziali applicazioni. Applicare i modelli GPT ai propri progetti e attività NLP.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare.

Hugging Face è una potente libreria e piattaforma open source per l'elaborazione del linguaggio naturale (NLP).Questa formazione dal vivo con istruttore (in loco o in remoto) è rivolta a data scientist, professionisti dell'apprendimento automatico e ricercatori e appassionati di PNL che desiderano utilizzare in modo efficace Hugging Face per le attività di PNL.Al termine di questa formazione, i partecipanti saranno in grado di:

Utilizza un modello Hugging Face Transformer e perfezionalo su un set di dati specifico. Ottieni la capacità di affrontare in modo indipendente le sfide comuni della PNL. Crea e condividi le demo dei tuoi modelli in modo efficace. Semplifica l'ottimizzazione dei tuoi modelli per la produzione. Impiega Hugging Face Transformers per risolvere un'ampia gamma di problemi di machine learning.

Formato del corso

Lezione interattiva e discussione. Tanti esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

I modelli linguistici di grandi dimensioni (LLM) sono modelli di reti neurali profonde in grado di generare testi in linguaggio naturale in base a un determinato input o contesto. Sono addestrati su grandi quantità di dati testuali provenienti da vari domini e fonti e possono catturare i modelli sintattici e semantici del linguaggio naturale. Gli LLM hanno ottenuto risultati impressionanti su varie attività in linguaggio naturale come il riassunto del testo, la risposta alle domande, la generazione di testo e altro ancora. Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare modelli linguistici di grandi dimensioni per varie attività in linguaggio naturale. Al termine di questa formazione, i partecipanti saranno in grado di:

Configura un ambiente di sviluppo che includa un LLM popolare. Creare un LLM di base e ottimizzarlo su un set di dati personalizzato. Usa gli LLM per diverse attività in linguaggio naturale come il riepilogo del testo, la risposta alle domande, la generazione di testo e altro ancora. Esegui il debug e valuta gli LLM utilizzando strumenti come TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Formato del corso

Lezione interattiva e discussione. Un sacco di esercizi e pratica. Implementazione pratica in un ambiente di laboratorio dal vivo.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.

Si stima che i dati non strutturati rappresentino oltre il 90 percento di tutti i dati, in gran parte sotto forma di testo. Post di blog, tweet, social media e altre pubblicazioni digitali si aggiungono continuamente a questo crescente corpus di dati. Questo corso dal vivo con istruttore è incentrato sull'estrazione di approfondimenti e significato da questi dati. Utilizzando le librerie R Language and Natural Language Processing (NLP) , combiniamo concetti e tecniche di informatica, intelligenza artificiale e linguistica computazionale per comprendere algoritmicamente il significato dietro i dati di testo. Esempi di dati sono disponibili in varie lingue per esigenze del cliente. Al termine di questa formazione i partecipanti saranno in grado di preparare set di dati (grandi e piccoli) da fonti disparate, quindi applicare gli algoritmi giusti per analizzare e riferire sul suo significato.

Formato del corso

• Parte lezione, parte discussione, pratica pratica pesante, prove occasionali per valutare la comprensione

Questo corso introduce linguisti o programmatori a NLP in Python. Durante questo corso utilizzeremo principalmente nltk.org (Natural Language Tool Kit), ma utilizzeremo anche altre biblioteche rilevanti e utili per il NLP. Al momento possiamo condurre questo corso in Python 2.x o Python 3.x. Gli esempi sono in inglese o in mandarino (普通话). Altri linguaggi possono essere forniti anche se accettati prima della prenotazione.

Questo corso è stato creato per manager, architetti di soluzioni, responsabili dell'innovazione, CTO, architetti software e chiunque sia interessato a una panoramica dell'intelligenza artificiale applicata e alle previsioni più vicine per il suo sviluppo.

This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.

I chatbot sono programmi per computer che simulano automaticamente le risposte umane tramite le interfacce di chat. I chatbot aiutano le organizzazioni a massimizzare l'efficienza operativa fornendo opzioni più facili e veloci per le interazioni con gli utenti. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare chatbot in Python . Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi i fondamenti della costruzione di chatbot
• Crea, testa, distribuisci e risolvi i problemi con vari chatbot usando Python

Pubblico

• Sviluppatori

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Deep Learning for NLP consente a una macchina di apprendere l'elaborazione del linguaggio da semplice a complessa Tra le attività attualmente possibili sono la traduzione in lingua e la generazione di didascalie per le foto DL (Deep Learning) è un sottoinsieme di ML (Machine Learning) Python è un linguaggio di programmazione popolare che contiene librerie per Deep Learning for NLP In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a utilizzare le librerie Python per NLP (Natural Language Processing) mentre creano un'applicazione che elabora una serie di immagini e genera didascalie Alla fine di questa formazione, i partecipanti saranno in grado di: Progettare e codificare DL per NLP usando le librerie Python Crea un codice Python che legge una collezione enorme di immagini e genera parole chiave Crea codice Python che genera didascalie dalle parole chiave rilevate Pubblico Programmatori con interesse per la linguistica Programmatori che cercano una comprensione della PNL (Natural Language Processing) Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Generazione di linguaggio naturale (NLG) si riferisce alla produzione di testo o discorso in linguaggio naturale da un computer In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare Python per produrre testi di alta qualità in linguaggio naturale costruendo da zero il proprio sistema NLG Verranno inoltre esaminati casi di studio e i concetti pertinenti saranno applicati a progetti di laboratorio dal vivo per la generazione di contenuti Alla fine di questa formazione, i partecipanti saranno in grado di: Usa NLG per generare automaticamente contenuti per vari settori, dal giornalismo, al settore immobiliare, ai rapporti meteo e sportivi Seleziona e organizza il contenuto sorgente, pianifica le frasi e prepara un sistema per la generazione automatica del contenuto originale Comprendere la pipeline NLG e applicare le tecniche corrette in ogni fase Comprendere l'architettura di un sistema di generazione di linguaggio naturale (NLG) Implementare gli algoritmi e i modelli più adatti per l'analisi e l'ordinazione Estrarre dati da fonti di dati pubblicamente disponibili e database curati da utilizzare come materiale per il testo generato Sostituisci i processi di scrittura manuali e laboriosi con la creazione di contenuti automatizzati generati da computer Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Questa sessione di formazione in aula esplorerà le tecniche di PNL in combinazione con l'applicazione di AI e Robotica nel mondo degli affari I delegati intraprenderanno degli esempi basati sul computer e degli esercizi di risoluzione dei casi di studio usando Python .

La libreria Apache OpenNLP è un toolkit basato sull'apprendimento automatico per l'elaborazione di testi in linguaggio naturale Supporta le più comuni attività di NLP, come il riconoscimento della lingua, la tokenizzazione, la segmentazione delle frasi, la codifica di parti di componenti, l'estrazione di entità con nome, il chunking, l'analisi e la risoluzione di coreference In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come creare modelli per l'elaborazione di dati basati su testo utilizzando OpenNLP I dati di addestramento del campione e i set di dati personalizzati saranno utilizzati come base per gli esercizi di laboratorio Alla fine di questa formazione, i partecipanti saranno in grado di: Installa e configura OpenNLP Scarica modelli esistenti e creane di nuovi Formare i modelli su varie serie di dati campione Integrare OpenNLP con le applicazioni Java esistenti Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come utilizzare le giuste tecniche di apprendimento automatico e le tecniche di PNL (Natural Language Processing) per estrarre valore dai dati basati su testo Alla fine di questa formazione, i partecipanti saranno in grado di: Risolvi problemi di data science basati su testo con codice riutilizzabile di alta qualità Applicare diversi aspetti di scikitlearn (classificazione, clustering, regressione, riduzione della dimensionalità) per risolvere i problemi Costruire modelli di apprendimento automatico efficaci utilizzando dati basati su testo Creare un set di dati ed estrarre le caratteristiche dal testo non strutturato Visualizza i dati con Matplotlib Costruisci e valuta i modelli per ottenere informazioni dettagliate Risolvi errori di codifica del testo Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Entro la fine della formazione, i delegati dovrebbero essere sufficientemente equipaggiati con i concetti python essenziali e dovrebbero essere in grado di utilizzare in modo sufficiente NLTK per implementare la maggior parte delle operazioni basate su NLP e ML La formazione mira a fornire non solo una conoscenza esecutiva ma anche la conoscenza logica e operativa della tecnologia in essa contenuta .

Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a sviluppatori e data scientist che desiderano utilizzare spaCy per elaborare volumi molto grandi di testo per trovare schemi e ottenere approfondimenti. Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura spaCy.
• Comprendere l'approccio di spaCy all'elaborazione del Natural Language Processing (NLP) .
• Estrai modelli e ottieni approfondimenti aziendali da fonti di dati su larga scala.
• Integra la libreria spaCy con applicazioni Web e legacy esistenti.
• Distribuisci spaCy per vivere ambienti di produzione per prevedere il comportamento umano.
• Usa spaCy per preelaborare il testo per Deep Learning

Formato del corso

• Conferenza e discussione interattiva.
• Molti esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.
• Per ulteriori informazioni su spaCy, visitare: https://spacy.io/

In Python Machine Learning, la funzione Riepilogo testo è in grado di leggere il testo di input e produrre un riepilogo del testo Questa funzionalità è disponibile dalla riga di comando o come API / libreria Python Un'applicazione entusiasmante è la rapida creazione di sommari esecutivi; questo è particolarmente utile per le organizzazioni che hanno bisogno di rivedere grandi quantità di dati testuali prima di generare report e presentazioni In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a usare Python per creare una semplice applicazione che generi automaticamente un sommario del testo di input Alla fine di questa formazione, i partecipanti saranno in grado di: Utilizzare uno strumento della riga di comando che riepiloga il testo Progetta e crea codice di riepilogo del testo usando le librerie Python Valutare tre librerie di riepilogo di Python: sumy 070, pysummarization 104, readless 1017 Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

TensorFlow™ è una biblioteca software open source per la calcolo numerico utilizzando grafici di flusso di dati. SyntaxNet è un framework di elaborazione del linguaggio naturale per TensorFlow. Word2Vec viene utilizzato per l'apprendimento delle rappresentazioni vectoriali delle parole, chiamate "word embeddings". Word2vec è un modello predittivo particolarmente computazionale-efficiente per l'apprendimento delle inserzioni di parole dal testo crudo. Viene in due sapori, il modello Continuous Bag-of-Words (CBOW) e il modello Skip-Gram (Capitolo 3.1 e 3.2 in Mikolov et al.) Utilizzato in tandem, SyntaxNet e Word2Vec consentono agli utenti di generare modelli di insegnamento imparato dall'ingresso della lingua naturale. Il pubblico Questo corso è mirato agli sviluppatori e agli ingegneri che intendono lavorare con i modelli SyntaxNet e Word2Vec nei loro TensorFlow grafici. Dopo aver completato questo corso, i delegati saranno:

Comprendere TensorFlow’s struttura e meccanismi di implementazione essere in grado di svolgere attività di installazione / ambiente di produzione / architettura e configurazione essere in grado di valutare la qualità del codice, eseguire il debugging, monitorare essere in grado di implementare la produzione avanzata come modelli di formazione, termini di inserimento, grafici di costruzione e logging

Deeplearning4j è una libreria di deep learning distribuita open source scritta per Java e Scala . Integrato con Hadoop e Spark, DL4J è progettato per essere utilizzato in ambienti aziendali su GPU e CPU distribuite. Word 2Vec è un metodo per calcolare rappresentazioni vettoriali di parole introdotte da un team di ricercatori di Go ogle guidato da Tomas Mikolov. Pubblico Questo corso è rivolto a ricercatori, ingegneri e sviluppatori che desiderano utilizzare Deeplearning4J per costruire modelli Word 2Vec.

Questo corso è stato progettato per le persone interessate ad estrarre significato dal testo scritto in inglese, sebbene la conoscenza possa essere applicata anche ad altre lingue umane. Il corso tratterà di come utilizzare il testo scritto da esseri umani, come post di blog, tweet, ecc ... Ad esempio, un analista può impostare un algoritmo che raggiungerà automaticamente una conclusione basata su un'estesa fonte di dati.

Spark NLP is an open source library, built on Apache Spark, for natural language processing with Python, Java, and Scala. It is widely used for enterprise and industry verticals, such as healthcare, finance, life science, and recruiting. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use Spark NLP, built on top of Apache Spark, to develop, implement, and scale natural language text processing models and pipelines. By the end of this training, participants will be able to:

• Set up the necessary development environment to start building NLP pipelines with Spark NLP.
• Understand the features, architecture, and benefits of using Spark NLP.
• Use the pre-trained models available in Spark NLP to implement text processing.
• Learn how to build, train, and scale Spark NLP models for production-grade projects.
• Apply classification, inference, and sentiment analysis on real-world use cases (clinical data, customer behavior insights, etc.).

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

TextBlob is a Python NLP library for processing textual data. It provides a simple API that makes it easy to perform NLP tasks, such as part-of-speech tagging, noun phrase extraction, sentiment analysis, classification, translation, etc. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use TextBlob to implement and simplify NLP tasks, such as sentiment analysis, spelling corrections, text classification modeling, etc. By the end of this training, participants will be able to:

• Set up the necessary development environment to start implementing NLP tasks with TextBlob.
• Understand the features, architecture, and advantages of TextBlob.
• Learn how to build text classification systems using TextBlob.
• Perform common NLP tasks (Tokenization, WordNet, Sentiment analysis, Spelling correction, etc.)
• Execute advanced implementations with simple APIs and a few lines of codes.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.