Plan Szkolenia

Wprowadzenie

  • Definiowanie „Industrial-Strength Natural Language Processing”

Instalacja spaCy

Składniki spaCy

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

Przegląd funkcji i składni spaCy

Zrozumienie modelowania spaCy

  • Statistical modeling and prediction

Korzystanie z interfejsu wiersza poleceń spaCy (CLI)

  • Basic commands

Tworzenie prostej aplikacji do przewidywania zachowań

Trenowanie nowego modelu statystycznego

  • Data (dane do treningu)
  • Labels (etykiety, nazwy własne itp.)

Ładowanie modelu

  • Shuffling and looping

Zapisywanie modelu

Dostarczanie informacji zwrotnych do modelu

  • Error gradient

Aktualizacja modelu

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

Opracowanie uogólnionej teorii oczekiwanych wyników

Studium przypadku

  • Distinguishing Product Names from Company Names

Udoskonalanie danych szkoleniowych

  • Selecting representative data
  • Setting the dropout rate

Inne style szkoleniowe

  • Passing raw texts
  • Passing dictionaries of annotations

Używanie spaCy do wstępnego przetwarzania tekstu dla Deep Learning

Integracja spaCy ze starszymi aplikacjami

Testowanie i debugowanie modelu spaCy

  • The importance of iteration

Wdrażanie modelu do produkcji

Monitorowanie i dostosowywanie modelu

Rozwiązywanie problemów

Podsumowanie i wnioski

Wymagania

  • Python doświadczenie w programowaniu.
  • Podstawowa znajomość statystyki
  • Doświadczenie z wierszem poleceń

Uczestnicy

  • Programiści
  • Analitycy danych
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie