感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
介绍
- 定义“工业级自然语言处理”
安装 spaCy
spaCy 元件
- 词性标注器
- 命名实体识别器
- 依存句法分析器
spaCy 功能和语法概述
了解 spaCy 建模
- 统计建模与预测
使用 SpaCy 命令列介面 (CLI)
- 基本指令
创建一个简单的应用程式来预测行为
训练新的统计模型
- 数据(用于训练)
- 标签(标记、命名实体等)
载入模型
- 随机排列与循环
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词元
为预期结果发展广义理论
个案研究
- 区分产品名称与公司名称
优化训练数据
- 选择代表性数据
- 设置丢弃率
其他训练方式
- 传递原始文本
- 传递注释字典
使用 spaCy 预处理 Deep Learning 的文字
将 spaCy 与传统应用程式整合
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。
- 对统计学有基本了解
- 具有命令行操作经验
观众
- 开发者
- 数据科学家
14 小时
客户评论 (3)
使用与我们在项目中使用的数据(光栅格式的卫星图像)更相似的数据进行更多实践练习的事实
Matthieu - CS Group
课程 - Scaling Data Analysis with Python and Dask
机器翻译
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
课程 - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace