[ liveProject ]利用文本探勘和機器學習進行作者身份識別

必備知識：Python 初學者 • Pandas 基礎 • NumPy 基礎 • 機器學習與 scikit-learn 基礎知識

你將學到的技術：使用 scikit-learn 和 spaCy 從文本中提取特徵 • 建立預測分類模型 • 使用互動式圖表視覺化作者風格 • 將訓練好的模型整合到使用者友善的程式中。

在這個 liveProject 中，您將扮演一名調查員，試圖找到一篇嚴重誹謗性部落格文章的匿名作者。您已經縮小了嫌疑人名單，獲得了書寫樣本資料集，現在計劃使用自訂機器學習專案來找出罪犯。您的挑戰是建立一個作者分析模型，將樣本與誹謗性部落格文章進行匹配，並揭露有罪方。為此，您需要從文件的語料庫( corpus )中提取資料，建立一個可以學習作者風格的模型，擴展模型以處理數百名嫌疑人，最後開發一個用戶友好的程式，讓非技術同事可以利用您的研究結果。

你的講師 : Robert Layton

Rob Layton 是一位資料科學家，曾是 scikit-learn 的核心貢獻者，擁有網路犯罪分析博士學位，擅長分析網路釣魚網站以識別作者模式。他經營自己的資料分析公司 dataPipeline，並與專家培訓提供者 Python Charmers 合作，為金融、政府和其他私營部門的學生提供培訓超過 5 年。

學前需求

這個 liveProject 適用於對資料科學感興趣的軟體開發人員和初級資料科學家。它需要一台至少有 2GB 可用硬碟空間和 4GB RAM 的機器。要開始這個 liveProject，您需要熟悉：

工具

初級 Python 及其實用功能，最少。版本 3.9
Pandas 基礎知識
NumPy 基礎知識
scikit-learn 基礎知識，最少。版本 0.24.0

科技

資料科學和機器學習的基礎知識
使用 Python 讀取文字檔
儲存和載入 Pandas DataFrames
運行訓練和評估實驗
從 Jupyter Notebook 運行 Python 程式碼
運行終端命令的基礎知識

專案概略

liveProject 特徵

自訂進度
您可以選擇時間表並決定在建立專案時投入多少時間。
專案路線圖
每個項目分為幾個可實現的步驟。
獲取協助
在 liveProject 平台內，您可以獲得其他參與者的幫助，甚至可以透過與我們的專家導師進行付費課程獲得更多幫助。
與其他人比較
對於每個步驟，將您的交付成果與作者和其他參與者的解決方案進行比較。
圖書資源
獲得 90 天的精選書籍完全訪問權限。其中還包括對曼寧產品摘錄的永久訪問，以及對其他資源的引用。