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.
Struttura del corso
Schema di formazione dettagliato
-
Introduzione alla PNL
Capire la PNL
Quadri di PNL
Applicazioni commerciali della PNL
Scraping di dati dal Web
Utilizzo di varie API per recuperare dati di testo
Lavorare e memorizzare corpora di testo, salvare il contenuto e i metadati rilevanti
Vantaggi dell'utilizzo di Python e corso intensivo NLTK
Comprensione pratica di un corpus e di un set di dati
Perché abbiamo bisogno di un corpus?
Analisi dei Corpus
Tipi di attributi dei dati
Diversi formati di file per corpora
Preparazione di un set di dati per applicazioni NLP
Comprendere la struttura di una frase
Componenti della PNL
Comprensione del linguaggio naturale
Analisi morfologica - gambo, parola, gettone, tag vocali
Analisi sintattica
Analisi semantica
Gestione dell'ambiguità
Pre-elaborazione dei dati di testo
Corpus- testo grezzo
Tokenizzazione delle frasi
Stemming per il testo non elaborato
Lemmizzazione del testo non elaborato
Rimozione di parole non significative
Frasi corpus grezze
Word tokenizzazione
Word lemmatizzazione
Utilizzo delle matrici Term-Document/Document-Term
Tokenizzazione del testo in n-grammi e frasi
Pre-elaborazione pratica e personalizzata
Analisi dei dati di testo
Caratteristiche di base della PNL
Parser e analisi
Tagging e tagger POS
Riconoscimento dell'entità del nome
N-grammi
Sacco di parole
Caratteristiche statistiche della PNL
Concetti di algebra lineare per la PNL
Teoria probabilistica per la PNL
TF-IDF
Vettorizzazione
Encoder e decoder
Normalizzazione
Modelli probabilistici
Progettazione avanzata delle funzionalità e NLP
Nozioni di base su word2vec
Componenti del modello word2vec
Logica del modello word2vec
Estensione del concetto word2vec
Applicazione del modello word2vec
Caso di studio: Applicazione di un sacco di parole: riassunto automatico del testo utilizzando algoritmi di Luhn semplificati e reali
Clustering, classificazione e modellazione degli argomenti dei documenti
Clustering di documenti e pattern mining (clustering gerarchico, k-means, clustering, ecc.)
Confronto e classificazione di documenti utilizzando misure di distanza TFIDF, Jaccard e coseno
Classificazione dei documenti utilizzando Naïve Bayes e massima entropia
Identificazione di elementi di testo importanti
Riduzione della dimensionalità: analisi delle componenti principali, scomposizione a valori singolari, fattorizzazione di matrici non negative
Modellazione di argomenti e recupero di informazioni utilizzando l'analisi semantica latente
Estrazione di entità, analisi del sentiment e modellazione avanzata degli argomenti
Positivo vs. negativo: grado di sentiment
Teoria della risposta dell'articolo
Parte del tagging vocale e la sua applicazione: trovare persone, luoghi e organizzazioni menzionati nel testo
Modellazione avanzata degli argomenti: Allocazione di Dirichlet latente
Casi di studio
Mining di recensioni utente non strutturate
Classificazione del sentiment e visualizzazione dei dati delle recensioni dei prodotti
Estrazione dei log di ricerca per i modelli di utilizzo
Classificazione del testo
Modellazione degli argomenti
Requisiti
Conoscenza e consapevolezza dei principi della PNL e apprezzamento dell'applicazione dell'IA nel business
21 ore
Recensioni (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.
