Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução
- Definindo "Processamento de Linguagem Natural de Nível Industrial"
Instalando spaCy
Componentes spaCy
- Etiquetador de partes do discurso (Part-of-speech tagger)
- Reconhecedor de entidades nomeadas (Named entity recognizer)
- Analisador de dependências (Dependency parser)
Visão geral dos recursos e sintaxe do spaCy
Compreendendo a modelagem spaCy
- Modelagem estatística e previsão
Usando a interface de linha de comando SpaCy (CLI)
- Comandos básicos
Criando um Aplicativo Simples para Prever Comportamento
Treinando um novo modelo estatístico
- Dados (para treinamento)
- Rótulos (tags, entidades nomeadas, etc.)
Carregando o modelo
- Embaralhando e iterando
Salvando o modelo
Fornecendo feedback ao modelo
- Gradiente de erro
Atualizando o modelo
- Atualizando o reconhecedor de entidades
- Extraindo tokens com o matcher baseado em regras
Desenvolvendo uma teoria generalizada para resultados esperados
Estudo de caso
- Distinguindo Nomes de Produtos de Nomes de Empresas
Refinando os dados de treinamento
- Selecionando dados representativos
- Definindo a taxa de dropout
Outros estilos de treinamento
- Passando textos brutos
- Passando dicionários de anotações
Usando spaCy para pré-processar texto para Deep Learning
Integrando spaCy com aplicativos legados
Testando e depurando o modelo spaCy
- A importância da iteração
Implantando o modelo na produção
Monitorando e ajustando o modelo
Solução de problemas
Resumo e conclusão
Requisitos
- Python experiência em programação.
- Um conhecimento básico de estatística
- Experiência com a linha de comando
Público
- Desenvolvedores
- Cientistas de dados
14 Horas
Declaração de Clientes (5)
O facto de ter mais exercícios práticos utilizando dados mais semelhantes aos que utilizamos nos nossos projectos (imagens de satélite em formato raster)
Matthieu - CS Group
Curso - Scaling Data Analysis with Python and Dask
Máquina Traduzida
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.
Curso - Developing APIs with Python and FastAPI
It was a though course as we had to cover a lot in a short time frame. Our trainer knew a lot about the subject and delivered the content to address our requirements. It was lots of content to learn but our trainer was helpful and encouraging. He answered all our questions with good detail and we feel that we learned a lot. Exercises were well prepared and tasks were tailored accordingly to our needs. I enjoyed this course
Bozena Stansfield - New College Durham
Curso - Build REST APIs with Python and Flask
Trainer develops training based on participant's pace
Farris Chua
Curso - Data Analysis in Python using Pandas and Numpy
As I was the only participant the training could be adapted to my needs.
