Kursplan

Införandet

  • Defining "Industrial-Strength Natural Language Processing"

Installation av spaCy

spaCy Komponenter

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

Översikt över spaCy-funktioner och syntax

Förstå spaCy Modeling

  • Statistical modeling and prediction

Använda SpaCy-kommandoradsgränssnittet (CLI)

  • Basic commands

Creating a Simple Application to Predict Behavior

Träna en ny statistisk modell

  • Data (för träning)
  • Labels (tags, named entities, etc.)

Läser in modellen

  • Shuffling och looping

Spara modellen

Ge feedback till modellen

  • Error gradient

Uppdatering av modellen

  • Updating the entity recognizer
  • Extracting tokens with rule-based matcher

Utveckla en generaliserad teori för förväntade resultat

Fallstudie

  • Distinguishing Product Names from Company Names

Förfina träningsdata

  • Selecting representative data
  • Setting the dropout rate

Andra träningsstilar

  • Passing raw texts
  • Passing dictionaries of annotations

Använda spaCy för att förbearbeta text för Deep Learning

Integrera spaCy med äldre applikationer

Testa och felsöka spaCy-modellen

  • The importance of iteration

Distribuera modellen till produktion

Övervakning och justering av modellen

Felsökning

Sammanfattning och slutsats

Krav

  • Python programmeringserfarenhet.
  • En grundläggande förståelse för statistik
  • Erfarenhet av kommandoraden

Publik

  • Utvecklare
  • Dataforskare
 14 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier