Đề cương khóa học

Giới thiệu

  • Định nghĩa "Xử lý ngôn ngữ tự nhiên cấp công nghiệp"

Cài đặt spaCy

Các thành phần của spaCy

  • Bộ gắn thẻ từ loại
  • Bộ nhận dạng thực thể được đặt tên
  • Bộ phân tích cú pháp phụ thuộc

Tổng quan về các tính năng và cú pháp của spaCy

Hiểu về mô hình hóa spaCy

  • Mô hình thống kê và dự đoán

Sử dụng giao diện dòng lệnh (CLI) của SpaCy

  • Các lệnh cơ bản

Tạo một ứng dụng đơn giản để dự đoán hành vi

Huấn luyện một mô hình thống kê mới

  • Dữ liệu (để huấn luyện)
  • Nhãn (thẻ, thực thể được đặt tên, v.v.)

Tải mô hình

  • Xáo trộn và lặp

Lưu mô hình

Cung cấp phản hồi cho mô hình

  • Gradient lỗi

Cập nhật mô hình

  • Cập nhật bộ nhận dạng thực thể
  • Trích xuất token bằng trình khớp dựa trên quy tắc

Phát triển một lý thuyết tổng quát về kết quả mong đợi

Nghiên cứu điển hình

  • Phân biệt tên sản phẩm với tên công ty

Tinh chỉnh dữ liệu huấn luyện

  • Chọn dữ liệu đại diện
  • Đặt tỷ lệ loại bỏ

Các kiểu huấn luyện khác

  • Truyền văn bản thô
  • Truyền từ điển chú thích

Sử dụng spaCy để tiền xử lý văn bản cho Deep Learning

Tích hợp spaCy với các ứng dụng kế thừa

Kiểm tra và gỡ lỗi mô hình spaCy

  • Tầm quan trọng của việc lặp lại

Triển khai mô hình vào sản xuất

Giám sát và điều chỉnh mô hình

Khắc phục sự cố

Tóm tắt và kết luận

Requirements

  • Kinh nghiệm lập trình.
  • Hiểu biết cơ bản về thống kê
  • Kinh nghiệm làm việc với dòng lệnh

Đối tượng

  • Nhà phát triển
  • Nhà khoa học dữ liệu
 14 Hours

Number of participants


Price per participant

Testimonials (5)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories