تجزیه و تحلیل متن و پیش بینی با آموزش پایتون

Text Analytics and Predictions with Python Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: متن منبع غنی از بینش برای مشاغل است. وب سایت ها ، رسانه های اجتماعی ، ایمیل ها و گپ ها همه حاوی داده های ارزشمند مشتری هستند. اما برای بهره مندی از مزایا ، باید بتوانید مقادیر زیادی از متن بدون ساختار را تجزیه و تحلیل کنید. متن کاوی یک مهارت اساسی برای هر کسی است که در داده های بزرگ و علم داده کار می کند. این دوره تکنیک های استخراج متن ، استخراج ، پاکسازی و پردازش متن را با استفاده از Python و کتابخانه های scikit-learn و nltk آموزش می دهد. Kumaran Ponnambalam نحوه انجام تجزیه و تحلیل متن را با استفاده از تکنیک های معروف مانند کلمه ابری و تجزیه و تحلیل احساسات توضیح می دهد. وی سپس نشان می دهد که چگونه می توان با استفاده از خوشه بندی ، طبقه بندی و توصیه ها - که در غیر این صورت به عنوان متن پیش بینی کننده شناخته می شود - با داده های متنی پیش بینی کرد. در این راه ، او مفاهیم مهم تجزیه و تحلیل متن مانند لمسی سازی و n گرم را معرفی می کند.
موضوعات شامل:
  • تولید ابر کلمه
  • تعیین احساسات مشتریان
  • K به معنی خوشه بندی متن است
  • پیش بینی طبقه بندی اسناد متنی
  • متن پیش بینی

سرفصل ها و درس ها

مقدمه Introduction

  • نیاز به مهارت های استخراج متن در علم داده The need for text mining skills in data science

  • مقدمه ای برای تجزیه و تحلیل متن Introduction to text analytics

  • پیش نیازهای دوره Course prerequisites

  • با استفاده از نوت بوک Jupyter Using Jupyter Notebook

1. ابر کلمه 1. Word Cloud

  • مفاهیم کلمه ابر Word Cloud concepts

  • تهیه داده برای یک ابر کلمه Preparing data for a word cloud

  • نمایش کلمه ابر Displaying the word cloud

  • تقویت کلمه ابر Enhancing the word cloud

2. تجزیه و تحلیل احساسات 2. Sentiment Analysis

  • هدف Purpose

  • تهیه داده برای تجزیه و تحلیل احساسات Preparing data for sentiment analysis

  • پیدا کردن احساسات Finding sentiments

  • خلاصه و نمایش Summarization and display

3. خوشه بندی 3. Clustering

  • تهیه داده برای خوشه بندی Preparing data for clustering

  • k-به معنی خوشه بندی است k-means clustering

  • k-به معنی بهینه سازی است k-means optimization

4- طبقه بندی 4. Classification

  • هدف Purpose

  • هدف Purpose

  • تهیه داده برای طبقه بندی Preparing data for classification

  • طبقه بندی Naïve Bayes Naïve Bayes classification

  • پیش بینی متن Predictions for text

5. متن پیش بینی کننده 5. Predictive Text

  • مفاهیم متن پیش بینی کننده Predictive text concepts

  • تهیه داده برای متن پیش بینی Preparing data for predictive text

  • ساخت پایگاه داده n-گرم Building n-grams database

  • توصیه کلمه بعدی Recommending next word

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

تجزیه و تحلیل متن و پیش بینی با آموزش پایتون
جزییات دوره
35m 32s
25
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
10,358
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.