fbpx

使用 Python 做自然語言處理(NLP)並實作 8 個專案

Contents

實作 8 個專案,學習自然語言處理 Python,機器學習,深度學習,SpaCy,NLTK,Sklearn,CNN

從這 10.5 小時的課程,你會學到

  • 對自然語言處理的全面理解
  • 使用Scikit-learn、NLTK和 SpaCy 執行 NLP 相關任務
  • 應用機器學習模型對文字資料進行分類
  • 文字分類(垃圾郵件檢測,亞馬遜產品評論分類)
  • 文字總結(將5000字的文章轉化為200字)。
  • 從最近釋出的 Tweet 中計算情感分數(Tweeter API)
  • 重新整理你的深度學習概念(ANN, CNN & RNN)
  • 用 Keras 建立你自己的詞嵌入(Word2vec)模型
  • 使用 Google 預訓練模型的單詞嵌入應用
  • 用基於神經網路的 CNN 和 RNN 模型檢測垃圾資訊
  • 使用TensorFlow、Keras 和 LSTM 自動生成文字
  • 在 Python 中處理文字檔案和 PDF(PyPDF2模組)
  • 符號化、詞根化和反義詞化
  • 使用 NLTK 進行停頓詞、語篇(POS)標記
  • 詞彙、匹配、命名實體識別(NER)
  • 用 Numpy 和 Pandas 進行資料分析
  • 用 Matplotlib 程式庫進行資料視覺化

要求

  • 對 Python 程式設計的基本瞭解

課程說明

最近的課程評論。

“徹底的解釋,到目前為止進展很好。對自然語言處理的介紹非常簡單明瞭。我將向任何尋求資料科學的人推薦這門課”

“到目前為止,這門課程將內容分解成聰明的小模組,教授耐心地解釋一切,並給出足夠的背景,使我不會感到迷失。”

“這門課程對我來說真的很好。它很容易理解,它涵蓋了從基礎知識、機器學習到深度學習的廣泛的NLP主題。

使用的程式碼是實用的和有用的。

我對課程內容絕對滿意,肯定會推薦給每個對自然語言處理感興趣的人”


更新1.0。

增加了用於文字分類的Fasttext Library部分。


嗨,資料愛好者們。

你是否知道哪些人工智慧領域將在來年得到發展?

根據statista dot com的預測,到2025年人工智慧的哪個領域將達到430億美元?

如果答案是 “自然語言處理”,你就來對地方了。


你是否想知道

Google 新聞是如何將數以百萬計的新聞文章分為數百個不同的類別。

Android 的語音辨識是如何以如此高的精度識別你的聲音的。

Google 翻譯是如何將數百對不同的語言翻譯成彼此的。

如果答案是 “是”,你就走對了路。

為了幫助你自己,我和我的朋友 Vijay 為學生和專業人士建立了全面的課程,從一開始就學習自然語言處理。


NLP – “自然語言處理 “已經在我們日常生活的各個方面找到了空間。

手機網際網路是我們生活中不可或缺的一部分。從谷歌的搜尋引擎到亞馬遜和 Netflix 的推薦系統,在大多數應用中你都會發現 NLP 方法的使用。

  • 聊天機器人
  • Google Now, Apple Siri, Amazon Alexa
  • 機器翻譯
  • 情感分析
  • 語音識別以及更多。

所以,歡迎來到我的NLP課程。

Python中的自然語言處理(NLP)與8個專案


本課程有10多個小時的高畫質品質影片,以及以下內容。

課程大綱:

1 : 歡迎 在本節中,我們將瞭解整個課程中要學習的內容以及對自然語言處理的理解

2 : 安裝和設定 在這一部分,我們將得到我們的線上環境 Google Colab 設定

3 : 自然語言處理的基礎知識 在這一部分中,我們將深入研究所有基本的 NLP 任務,如標記化、去重化、刪除停頓詞、名稱實體識別、部分語音標記,並瞭解如何應用 Spacy 和 NLTK 程式庫中的不同功能。

4, 5, 6 : 垃圾郵件分類,餐廳評論預測(好或壞),IMDB, Amazon和Yelp評論分類

在接下來的3個部分中,我們將深入到一個真實世界的資料集,進行文字分類,垃圾郵件檢測,餐廳評論分類,亞馬遜IMDb 評論。我們將看到如何進行預處理,使你的資料適合機器學習演算法,並應用不同的機器學習估計器(邏輯迴歸,SVM,決策樹)對文字進行分類。

7, 8 : 自動文字總結,Twitter 情感分析 在這兩節中,我們將研究NLP的實際應用。

自動文字總結,壓縮你的文字以找到大文章的摘要。

另一個我們要做的是從最近釋出的關於某些特定關鍵詞的推文中找到情感,藉助Twitter API – tweepy 程式庫。

9 : 深度學習基礎知識 在這一節中,我們將獲得關於深度學習概念的基本概念,如人工神經網路啟用函式和ANN的工作原理。

10:單詞嵌入 在這一節中,我們將看到如何在我們的自定義資料集上實現 word2vec,以及使用預訓練的谷歌模型。

11, 12 : 用 CNN 和 RNN 進行文字分類 在本節中,我們將看到如何應用先進的深度學習模型,如卷積神經網路和遞迴神經網路進行文字分類。

13 : 使用TensorFlow、Keras和 LSTM 自動生成文字 在這一部分,我們將應用基於神經網路的 LSTM 模型來自動生成文字。

14, 15, 16, 17 : Numpy, Pandas, Matplotlib + 檔案處理 在這一節中,為所有想用 Numpy 和 Pandas 程式庫進行資料分析,用 Matplotlib 程式庫進行資料視覺化,以及文字檔案處理和 PDF 檔案處理的人重新整理相關概念。


因此,這是最全面的自然語言處理課程之一。

我希望你瞭解python的基本知識,並對學習NLP領域的不同技術有好奇心。

你還會得到。

  • 終身使用Python自然語言處理(NLP)課程
  • 可下載的Udemy結業證書
  • 問答部分的友好支援

那麼你還在等什麼?今天就報名吧!為你的事業添加動力!

我已經迫不及待地想讓你開始用 Python 掌握NLP了。

開始分析你的文字資料,我會在課堂上看到你。

謝謝

Ankit & Vijay

目標受眾

  • 任何有興趣學習自然語言處理的人

講師簡介

Ankit Mistry 資料科學家  ( 更多講師主講課程介紹 )

我是 Ankit Mistry,在 IIT Kharagpur 完成了機器學習、人工智慧領域的碩士學位。 現任軟體開發員、大數據工程師,在一家領先的私人投資銀行工作,在軟體行業有 8 年以上的工作經驗。 隨著時間的推移,我對資料學產生了興趣,學習了資料分析和機器學習模型的開發。

我很高興能在 Udemy 的線上學習平臺上學習。

我希望你會喜歡我提供的課程。

Vijay Gadhave 資料科學家和軟體開發人員

大家好。

我很高興你能讀到這個課程介紹!

我是Vijay Gadhave,我是一名資料科學家。我在資料科學和軟體開發領域有5年以上的經驗。

我有在資料科學和軟體開發方面培訓學生的專業經驗。

我對人工智慧和教學充滿熱情。

請注意。

Vijay Gadhave

Data Science & Machine Learning Academy 幫助人們分析資料

這是Ankit Mistry的資料科學和機器學習學院。主要目的是幫助軟體工程師分析資料,教授各種最新的趨勢性技術技能,如python,機器學習,資料科學,R,大數據,Numpy,Pandas。

繼續學習。

我希望你喜歡我們提供的課程。

學習愉快

Regards

Ankit Mistry的資料科學和機器學習學院

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

🙌 如何有效率地管理 ChatGPT 輸出與整理自己的 ChatGPT 提示( prompts )使用情境?LN+ for Web 已經針對 ChatGPT 的整合做最佳化


🙌 讓 Notion AI 成為你線上學習的得力助手,詳細操作請參考 – 使用 Notion AI 功能來為 udemy 的課程做摘要總結


  • 點選這個優惠連結 課程特價 | Udemy 永久擁有課程 NT370 起( 請登入 Udemy|按過“優惠連結”後到”報名參加課程“連結網頁做更新 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: