Hugging Face for Natural Language Processing (NLP)培训

This classroom based training session will explore NLP techniques in conjunction with the application of AI and Robotics in business. Delegates will undertake computer based examples and case study solving exercises using Python

培训结束后,代表预计将充分配备基本的Python概念,并将能够充分利用(0)实现大多数基于NLP和ML的操作。 培训的目的是提供不仅执行知识,而且技术的逻辑和操作知识。

本课程将语言学家或编程师介绍到NLP在0。 在本课程中,我们将主要使用nltk.org(自然语言工具套件),但我们还将使用其他相关和有用的NLP图书馆。 目前,我们可以在 Python 2.x 或 Python 3.x 中进行此课程。 例子是英语或曼达林语(普通话)。 其他语言也可以在预订前达成协议。

这种由讲师指导的现场培训（现场或远程）是针对希望使用spaCy处理大量文本以查找模式和获得见解的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 安装并配置spaCy。
• 了解spaCy的Natural Language Processing (NLP) 。
• 从大规模数据源中提取模式并获取业务洞察。
• 将spaCy库与现有Web和遗留应用程序集成。
• 将spaCy部署到实时生产环境以预测人类行为。
• 使用spaCy预处理Deep Learning文本

课程格式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在实时实验室环境中亲自实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们安排。
• 要了解有关spaCy的更多信息，请访问：https：//spacy.io/

在Python机器学习中，文本摘要功能可以读取输入文本并生成文本摘要。这个功能可以从命令行或从Python API / 库中获得。一个令人兴奋的应用是执行摘要的快速创建；这对在做报告和演讲前需要审阅大量文本数据的组织特别有用。

在这一由讲师引导的现场培训中，学员将学习使用Python创建一个简单的可自动生成输入文本摘要的应用程序。

在本次培训结束后，学员将能够：

• 使用一个命令行工具来总结文本。
• 使用Python库设计和创建文本摘要代码。
• 评估三个Python摘要库：sumy 0.7.0、psisummarization 1.0.4、readless 1.0.17

受众

• 开发人员
• 数据科学家

课程形式

• 部分讲座、部分讨论、练习和大量实操

TensorFlow™ 是使用数据流图表进行数字计算的开源软件图书馆。

SyntaxNet 是一种神经网络的自然语言处理框架。

Word2Vec 用于学习 vector 表达词,称为 "word embeddings"。 Word2vec 是一个特别计算效率预测模型,用于从原始文本中学习字体内置。 它分为两种品味,即CBOW(Continuous Bag-of-0)模型和Skip-Gram模型(Mikolov et al.第3.1和第3.2章)。) )

SyntaxNet 和 Word2Vec 在同步中使用,允许用户从自然语言输入中创建学习嵌入式模型。

观众

该课程针对开发人员和工程师,他们打算在他们的图表中与SintaxNet和 Word2Vec模型合作。

完成此课程后,代表将:

• 理解 TensorFlow’的结构和部署机制
• 能够执行安装 / 生产环境 / 建筑任务和配置
• 能够评估代码质量,进行解体,监测
• 能够实施先进的生产,如培训模型、包装条款、构建图表和登记