Kursplan
Introduksjon
- Definere "Industrial-Strength Natural Language Processing"
Installerer spaCy
spaCy komponenter
- Part-of-speech tagger
- Named entity recognizer
- Dependency parser
Oversikt over spaCy-funksjoner og syntaks
Forstå spaCy Modeling
- Statistisk modellering og prediksjon
Bruke SpaCy Command Line Interface (CLI)
- Grunnleggende kommandoer
Opprette en enkel applikasjon for å forutsi atferd
Opplæring av en ny statistisk modell
- Data (for trening)
- Etiketter (tags, navngitte enheter, etc.)
Laster modellen
- Blanding og løkke
Lagre modellen
Gi tilbakemelding til modellen
- Feilgradient
Oppdatering av modellen
- Oppdatere navngitt enhetsgjenkjenner
- Hente ut tokens med regelbasert matcher
Utvikle en generalisert teori for forventede resultater
Kasusstudie
- Skille mellom produktnavn og firmanavn
Avgrense treningsdataene
- Velge representative data
- Sette dropout-raten
Andre treningsstiler
- Sende råtekster
- Sende ordbøker med annotasjoner
Bruke spaCy til å forhåndsbehandle tekst for Deep Learning
Integrering av spaCy med eldre applikasjoner
Testing og feilsøking av spaCy-modellen
- Viktigheten av iterasjon
Utrulling av modellen til produksjon
Overvåking og justering av modellen
Feilsøking
Oppsummering og konklusjon
Krav
- Python programmerfaring.
- Grunnleggende forståelse av statistikk
- Erfaring med kommandolinjen
Publikum
- Utviklere
- Dataforskere
Testimonials (3)
Det faktum å ha mer praktiske øvelser som bruker mer lignende data til det vi bruker i våre prosjekter (satellittbilder i rasterformat)
Matthieu - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Machine Translated
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
Kurs - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace