Course Outline

Pendahuluan

  • Mendefinisikan "Pemrosesan Bahasa Alami Tingkat Industri"

Menginstal spaCy

Komponen spaCy

  • Penanda bagian ucapan (Part-of-speech tagger)
  • Pengenal entitas bernama (Named entity recognizer)
  • Pengurai dependensi (Dependency parser)

Ikhtisar Fitur dan Sintaks spaCy

Memahami Pemodelan spaCy

  • Pemodelan statistik dan prediksi

Menggunakan Antarmuka Baris Perintah (CLI) spaCy

  • Perintah dasar

Membuat Aplikasi Sederhana untuk Memprediksi Perilaku

Melatih Model Statistik Baru

  • Data (untuk pelatihan)
  • Label (tag, entitas bernama, dll.)

Memuat Model

  • Mengocok dan melakukan perulangan

Menyimpan Model

Memberikan Umpan Balik ke Model

  • Gradien kesalahan

Memperbarui Model

  • Memperbarui pengenal entitas
  • Mengekstrak token dengan pencocok berbasis aturan

Mengembangkan Teori Umum untuk Hasil yang Diharapkan

Studi Kasus

  • Membedakan Nama Produk dari Nama Perusahaan

Memperhalus Data Pelatihan

  • Memilih data representatif
  • Menetapkan tingkat dropout

Gaya Pelatihan Lainnya

  • Meneruskan teks mentah
  • Meneruskan kamus anotasi

Menggunakan spaCy untuk Memproses Awal Teks untuk Deep Learning

Mengintegrasikan spaCy dengan Aplikasi Lama

Menguji dan Men-debug Model spaCy

  • Pentingnya iterasi

Menerapkan Model ke Produksi

Memantau dan Menyesuaikan Model

Pemecahan Masalah

Ringkasan dan Kesimpulan

Requirements

  • Python pengalaman pemrograman.
  • Pemahaman dasar tentang statistik
  • Pengalaman dengan baris perintah

Target Peserta

  • Pengembang
  • Ilmuwan data
 14 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses (Minimal 5 peserta)

Related Categories