Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 21 godzin
Plan Szkolenia
Szczegółowy program szkolenia
- Wprowadzenie do NLP
- Zrozumienie NLP
- Frameworki NLP
- Komercyjne zastosowania NLP
- Pobieranie danych ze stron internetowych
- Praca z różnymi interfejsami API w celu pozyskiwania danych tekstowych
- Przechowywanie korpusów tekstowych wraz z treścią i istotnymi metadanymi
- Zalety korzystania z Pythona i przyspieszony kurs NLTK
- Praktyczne zrozumienie korpusu i zbioru danych
- Dlaczego potrzebujemy korpusu?
- Analiza korpusu
- Rodzaje atrybutów danych
- Różne formaty plików dla korpusów
- Przygotowanie zbioru danych do zastosowań NLP
- Zrozumienie struktury zdań
- Komponenty NLP
- Rozumienie języka naturalnego
- Analiza morfologiczna – rdzeń, słowo, token, znaczniki mowy
- Analiza składniowa
- Analiza semantyczna
- Radzenie sobie z niejednoznacznością
- Wstępne przetwarzanie danych tekstowych
- Korpus – surowy tekst
- Tokenizacja zdań
- Stemizacja surowego tekstu
- Lematyzacja surowego tekstu
- Usuwanie słów nieznaczących
- Korpus – surowe zdania
- Tokenizacja słów
- Lematyzacja słów
- Praca z macierzami termin-dokument / dokument-termin
- Tokenizacja tekstu na n-gramy i zdania
- Praktyczne i dostosowane do potrzeb wstępne przetwarzanie
- Korpus – surowy tekst
- Analiza danych tekstowych
- Podstawowe cechy NLP
- Parsery i parsowanie
- Znakowanie częściami mowy i taggery
- Rozpoznawanie nazwanych jednostek
- N-gramy
- Worek słów
- Statystyczne cechy NLP
- Podstawy algebry liniowej dla NLP
- Teoria probabilistyczna dla NLP
- TF-IDF
- Wektoryzacja
- Kodery i dekodery
- Normalizacja
- Modele probabilistyczne
- Zaawansowana inżynieria cech i NLP
- Podstawy word2vec
- Komponenty modelu word2vec
- Logika modelu word2vec
- Rozszerzenie koncepcji word2vec
- Zastosowanie modelu word2vec
- Studium przypadku: zastosowanie worka słów – automatyczne streszczanie tekstu z wykorzystaniem uproszczonego i właściwego algorytmu Luhna
- Podstawowe cechy NLP
- Grupowanie dokumentów, klasyfikacja i modelowanie tematów
- Grupowanie dokumentów i eksploracja wzorców (grupowanie hierarchiczne, k-średnich, grupowanie itd.)
- Porównywanie i klasyfikowanie dokumentów za pomocą miar TFIDF, Jaccarda i odległości kosinusowej
- Klasyfikacja dokumentów z użyciem naiwnego klasyfikatora Bayesa i maksymalnej entropii
- Identyfikowanie istotnych elementów tekstu
- Redukcja wymiarowości: analiza głównych składowych, rozkład według wartości osobliwych, nieujemna faktoryzacja macierzy
- Modelowanie tematów i wyszukiwanie informacji z wykorzystaniem utajonej analizy semantycznej
- Ekstrakcja jednostek, analiza wydźwięku i zaawansowane modelowanie tematów
- Pozytywny kontra negatywny: stopień wydźwięku
- Teoria odpowiedzi na pozycje testowe
- Znakowanie częściami mowy i jego zastosowanie: znajdowanie osób, miejsc i organizacji wymienionych w tekście
- Zaawansowane modelowanie tematów: ukryta alokacja Dirichleta
- Studia przypadków
- Eksploracja nieustrukturyzowanych opinii użytkowników
- Klasyfikacja wydźwięku i wizualizacja danych z recenzji produktów
- Eksploracja dzienników wyszukiwania pod kątem wzorców użytkowania
- Klasyfikacja tekstu
- Modelowanie tematów
Wymagania
Znajomość i świadomość zasad NLP oraz zrozumienie zastosowań AI w biznesie
Opinie uczestników (1)
Indywidualna pomoc
Simon the 2nd - Cboost
Szkolenie - ROS: Programming for Robotics
Przetłumaczone przez sztuczną inteligencję
