Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Esquema de entrenamiento detallado
1. Introducción a NLP
- Comprender PNL
- Marcos NLP
- Aplicaciones comerciales de NLP
- Recortando datos de la web
- Trabajando con varias API para recuperar datos de texto
- Trabajo y almacenamiento de contenido de texto de las corporaciones que guarda contenido y metadatos relevantes
- Ventajas de usar el curso intensivo de Python y NLTK
2. Comprensión práctica de un corpus y conjunto de datos
- ¿Por qué necesitamos un corpus?
- Análisis de Corpus
- Tipos de atributos de datos
- Diferentes formatos de archivo para corpora
- Preparación de un conjunto de datos para aplicaciones NLP
3, Comprender la estructura de una oración
- Componentes de NLP
- Comprensión del lenguaje natural
- Análisis morfológico - stem, word, token, etiquetas de voz
- Análisis sintáctico
- Análisis semántico
- Manejando ambigiuty
4. Preprocesamiento de datos de texto
- Corpus- texto sin formato
- Tokenización de oraciones
- Stemming para texto sin formato
- Lemización del texto sin formato
- Detener la eliminación de palabras
- Oraciones de corpus-raw
- Word tokenization
- Palabra lematización
- Trabajar con matrices Término-Documento / Documento-Término
- Tokenización de texto en n-grams y oraciones
- Preprocesamiento práctico y personalizado
5. Analizando datos de texto
- Característica básica de NLP
- Analizadores y análisis
- Etiquetado POS y taggers
- Nombre reconocimiento de entidad
- N-grams
- Bolsa de palabras
- Características estadísticas de PNL
- Conceptos de álgebra lineal para PNL
- Teoría probabilística para PNL
- TF-IDF
- Vectorización
- Encoders and Decoders
- Normalización
- Modelos probabilísticos
- Ingeniería de características avanzadas y PNL
- Conceptos básicos de word2vec
- Componentes del modelo word2vec
- Lógica del modelo word2vec
- Extensión del concepto de word2vec
- Aplicación del modelo word2vec
- Estudio de caso: aplicación de una bolsa de palabras: resumen automático de texto usando algoritmos de Luhn simplificados y verdaderos
6. Agrupación de documentos, clasificación y modelado de temas
- Agrupación de documentos y minería de patrones (agrupación jerárquica, k-medias, agrupamiento, etc.)
- Comparación y clasificación de documentos utilizando medidas de distancia de TFIDF, Jaccard y coseno
- Clasificación de documentos usando Naïve Bayes y Maximum Entropy
7. Identificar elementos de texto importantes
- Reducción de la dimensionalidad: análisis de componentes principales, factorización de la descomposición no negativa de descomposición de valores singulares
- Modelado de tópicos y recuperación de información usando análisis semántico latente
8. Extracción de Entidades, Análisis de Sentimientos y Modelado de Temas Avanzado
- Positivo vs. negativo: grado de sentimiento
- Teoría de respuestas de elementos
- Parte del etiquetado de voz y su aplicación: encontrar personas, lugares y organizaciones mencionados en el texto
- Modelado de temas avanzados: asignación de Dirichlet latente
9. Estudios de caso
- Minería de usuarios no estructurados opiniones
- Clasificación de sentimientos y visualización de datos de revisión de productos
- Registros de búsqueda minera para patrones de uso
- Clasificación del texto
- Modelado de temas
Requerimientos
Conocimiento y conocimiento de los principios de PNL y una apreciación de la aplicación de IA en los negocios
21 horas
Testimonios (2)
Good conceptual explanations followed by good example exercises
Appu Hannadi Thotahewage Eranga De Silva - University of New South Wales, Sydney
Curso - ROS: Programming for Robotics
Ejercicios e intercambios durante las preguntas y respuestas
Antoine - Physiobotic
Curso - Scaling Data Pipelines with Spark NLP
Traducción Automática
