آموزش مقدمه ای بر Spacy 3 برای پردازش زبان طبیعی

Introduction to Spacy 3 for Natural Language Processing

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با NLP حرفه علم داده خود را شروع کنید. این دوره در مورد Spacy است. NLTK در این دوره آموزش داده نمی شود.

آنچه یاد خواهید گرفت

  • درس کامل فضا
  • مقدمه ای بر NLP
  • توکن سازی در فضایی
  • تجزیه و تحلیل NER و وابستگی
  • عبارت منظم
  • تشخیص شکلک برای تجزیه و تحلیل احساسات

سلام،

لطفاً فقط در صورتی که دانش مقدماتی در مورد یادگیری ماشین و پایتون دارید، این دوره را بگذرانید.


این دوره در مورد SpaCy است. Spacy نسبت به NLTK سریع و آسان است. این یکی از اجزای اساسی NLP مدرن امروزی است. SpaCy یک کتابخانه نرم افزار منبع باز برای پردازش پیشرفته زبان طبیعی است که به زبان های برنامه نویسی Python و Cython نوشته شده است. این کتابخانه تحت مجوز MIT منتشر شده است و توسعه دهندگان اصلی آن متیو هانیبال و اینس مونتانی، بنیانگذاران شرکت نرم افزاری Explosion هستند.


کارها را انجام دهید

SpaCy برای کمک به شما در انجام کار واقعی طراحی شده است - برای ساختن محصولات واقعی یا جمع آوری بینش واقعی. کتابخانه به وقت شما احترام می گذارد و سعی می کند از هدر دادن آن جلوگیری کند. نصب آن آسان است و API آن ساده و سازنده است. ما دوست داریم spaCy را به عنوان روبی روی ریل پردازش زبان طبیعی در نظر بگیریم.


شعله ور شدن سریع

SpaCy در کارهای استخراج اطلاعات در مقیاس بزرگ برتر است. این از ابتدا در Cython با مدیریت حافظه دقیق نوشته شده است. تحقیقات مستقل در سال 2015 نشان داد که SpaCy سریعترین در جهان است. اگر برنامه شما نیاز به پردازش کل مطالب ارسالی وب دارد، spaCy کتابخانه ای است که می خواهید از آن استفاده کنید.


یادگیری عمیق

spaCy بهترین راه برای آماده سازی متن برای یادگیری عمیق است. این یکپارچه با TensorFlow، PyTorch، scikit-learn، Gensim و بقیه اکوسیستم هوش مصنوعی عالی پایتون کار می‌کند. با spaCy، می‌توانید به راحتی مدل‌های آماری پیچیده زبانی برای انواع مشکلات NLP بسازید.


ویژگی ها

  • توکن سازی غیر مخرب

  • شناسایی موجودیت نامگذاری شده

  • پشتیبانی از بیش از 59 زبان

  • 46 مدل آماری برای 16 زبان

  • بردارهای کلمه از پیش آموزش دیده

  • سرعت پیشرفته

  • ادغام یادگیری عمیق آسان

  • برچسب گذاری بخشی از گفتار

  • تجزیه وابستگی برچسب‌گذاری شده

  • تقسیم بندی جملات مبتنی بر نحو

  • تصویرسازهای داخلی برای نحو و NER

  • نگاشت رشته به هش راحت

  • صادر کردن به آرایه های داده NumPy

  • سریال سازی باینری کارآمد

  • بسته بندی و استقرار آسان مدل

  • دقت قوی و با دقت ارزیابی شده

  • و خیلی چیزهای دیگر.


این دوره برای چه کسانی است:

  • مبتدیان دانشمند داده
  • چه کسی می خواهد حرفه خود را در NLP گسترش دهد

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه ای بر NLP Introduction to NLP

Spacy 3 مقدمه Spacy 3 Introduction

  • فایل های کد Code Files

  • Spacy 3 مقدمه Spacy 3 Introduction

  • توکن سازی Tokenization

  • برچسب گذاری بخشی از گفتار (PoS). Part of Speech (PoS) Tagging

  • تجسم تجزیه وابستگی با Displacy Visualizing Dependency Parsing with Displacy

  • تشخیص مرز جمله Sentence Boundary Detection

  • کلمات را متوقف کنید Stop Words

  • Lemmatization Lemmatization

  • ریشه در NLTK - Lemmatization در مقابل ریشه در NLP Stemming in NLTK - Lemmatization vs Stemming in NLP

  • فرکانس شمار کلمه Word Frequency Counter

  • تطبیق مبتنی بر قانون در فضایی قسمت 1 Rule Based Matching in Spacy Part 1

  • مثال‌های تطبیق توکن مبتنی بر قانون بخش 2 Rule Based Token Matching Examples Part 2

  • تطبیق عبارت مبتنی بر قانون در فضا Rule Based Phrase Matching in Spacy

  • مطابقت موجودیت مبتنی بر قانون در فضایی Rule Based Entity Matching in Spacy

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 1 NER (Named Entity Recognition) in Spacy 3 Part 1

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 2 NER (Named Entity Recognition) in Spacy 3 Part 2

  • کلمه به بردار (word2vec) و شباهت جمله در فاصله Word to Vector (word2vec) and Sentence Similarity in Spacy

تجزیه رزومه (CV) با استفاده از Spacy 3 Resume (CV) Parsing using Spacy 3

  • رزومه (CV) Parsing Introduction Resume (CV) Parsing Introduction

  • معرفی آموزش NER و تنظیمات پیکربندی NER Training Introduction and Config Setup

  • آماده سازی داده های آموزشی NER NER Training Data Preparation

  • توضیح فایل تنظیمات آموزشی Training Configuration File Explanation

  • بخش 1 آماده سازی داده های آموزشی NER NER Training Data Preparation Part 1

  • آماده سازی داده های آموزشی NER قسمت 2 NER Training Data Preparation Part 2

  • آموزش NER با ترانسفورماتورها NER Training with Transformers

  • تجزیه CV و پیش بینی NER CV Parsing and NER Prediction

نمایش نظرات

آموزش مقدمه ای بر Spacy 3 برای پردازش زبان طبیعی
جزییات دوره
4h 3m
26
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,888
3.9 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

Laxmi Kant | KGP Talkie Laxmi Kant | KGP Talkie

دانشمند اصلی داده در mBreath و KGPTalkie من یک دانشمند اصلی داده در SleepDoc و دکترای تخصصی هستم. در علوم داده از موسسه فناوری هند (IIT). من همچنین یک شرکت با نام mBreath Technologies را تاسیس کردم. من بیش از 8 سال تجربه در علوم داده ، مدیریت تیم ، توسعه کسب و کار و مشخصات مشتری دارم. من با استارتاپ ها و MNC کار کرده ام. من همچنین چند سال در IIT برنامه نویسی تدریس کرده ام و بعداً یک کانال YouTube با KGP Talkie با مشترکان 20K + راه اندازی کردم. من ارتباط خوبی با صنعت و دانشگاه دارم.