课程大纲

介绍

  • 定义“工业级自然语言处理”

安装 spaCy

spaCy 组件

  • 词性标记器
  • 命名实体识别器
  • 依赖项解析器

spaCy 功能和语法概述

了解 spaCy 建模

  • 统计建模和预测

使用 SpaCy 命令行界面 (CLI)

  • 基本命令

创建一个简单的应用程序来预测行为 

训练新的统计模型

  • 数据(用于训练)
  • 标签(标签、命名实体等)

加载模型

  • 随机播放和循环播放

保存模型

向模型提供反馈

  • 误差梯度

更新模型

  • 更新实体识别器
  • 使用基于规则的匹配器提取令牌

为预期结果发展广义理论

个案研究

  • 区分产品名称和公司名称

优化训练数据

  • 选择代表性数据
  • 设置辍学率

其他训练方式

  • 传递原始文本
  • 传递批注字典

使用 spaCy 预处理 Deep Learning 的文本

将 spaCy 与传统应用程序集成

测试和调试 spaCy 模型

  • 迭代的重要性

将模型部署到生产环境

监视和调整模型

故障 排除

总结和结论

要求

  • Python 编程经验。
  • 对统计学有基本的了解
  • 使用命令行的经验

观众

  • 开发 人员
  • 数据科学家
 14 小时

人数



每位参与者的报价

客户评论 (5)

相关课程

Data Analysis with Python, Pandas and Numpy

14 小时

Accelerating Python Pandas Workflows with Modin

14 小时

Machine Learning with Python and Pandas

14 小时

Scaling Data Analysis with Python and Dask

14 小时

FARM (FastAPI, React, and MongoDB) Full Stack Development

14 小时

Developing APIs with Python and FastAPI

14 小时

Scientific Computing with Python SciPy

7 小时

Game Development with PyGame

7 小时

Web application development with Flask

14 小时

Advanced Flask

14 小时

Build REST APIs with Python and Flask

14 小时

GUI Programming with Python and Tkinter

14 小时

Kivy: Building Android Apps with Python

7 小时

Developing GUI Python Applications with PyQt

21 小时

Web Development with Web2Py

28 小时

课程分类