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
Detalhamento do treinamento
- Introdução ao NLP
- Entendendo o NLP
- Frameworks de NLP
- Aplicações comerciais de NLP
- Coleta de dados da web
- Trabalhando com diversas APIs para recuperar dados de texto
- Trabalhando e armazenando corpus de texto, salvando conteúdo e metadados relevantes
- Vantagens do uso de Python e curso intensivo de NLTK
- Compreensão Prática de Corpus e Conjunto de Dados
- Por que precisamos de um corpus?
- Análise de Corpus
- Tipos de atributos de dados
- Diferentes formatos de arquivo para corpus
- Preparação de um conjunto de dados para aplicações de NLP
- Entendendo a Estrutura de Sentenças
- Componentes do NLP
- Compreensão de linguagem natural
- Análise morfológica - afixos, palavra, token, etiquetas gramaticais
- Análise sintática
- Análise semântica
- Tratamento de ambiguidade
- Pré-processamento de dados de texto
- Corpus - texto bruto
- Tokenização de sentenças
- Stemming para texto bruto
- Lematização de texto bruto
- Remoção de palavras de parada
- Corpus - sentenças brutas
- Tokenização de palavras
- Lematização de palavras
- Trabalhando com matrizes Termo-Documento / Documento-Termo
- Tokenização de texto em n-gramas e sentenças
- Pré-processamento prático e personalizado
- Corpus - texto bruto
- Analisando dados de texto
- Recursos básicos de NLP
- Parsers e parsing
- Etiquetagem POS (Part of Speech) e etiquetadores
- Reconhecimento de entidades nomeadas
- N-gramas
- Bolsa de palavras (Bag of words)
- Recursos estatísticos de NLP
- Conceitos de Álgebra Linear para NLP
- Teoria da Probabilidade para NLP
- TF-IDF
- Vectorização
- Codificadores e Decodificadores
- Normalização
- Modelos Probabilísticos
- Engenharia avançada de recursos e NLP
- Fundamentos do word2vec
- Componentes do modelo word2vec
- Lógica do modelo word2vec
- Extensão do conceito word2vec
- Aplicação do modelo word2vec
- Estudo de caso: Aplicação de bolsa de palavras: resumão automático de texto usando algoritmos simplificados e verdadeiros de Luhn
- Recursos básicos de NLP
- Agrupamento, Classificação de Documentos e Modelagem de Tópicos
- Agrupamento de documentos e mineração de padrões (agrupamento hierárquico, k-means, clustering, etc.)
- Comparação e classificação de documentos usando medidas de distância TFIDF, Jaccard e cosseno
- Classificação de documentos usando Naïve Bayes e Entropia Máxima
- Identificação de Elementos Importantes de Texto
- Redução de dimensionalidade: Análise de Componentes Principais, Decomposição em Valores Singulares, fatoração de matrizes não negativas
- Modelagem de tópicos e recuperação de informação usando Análise Semântica Latente
- Extração de Entidades, Análise de Sentimento e Modelagem Avançada de Tópicos
- Positivo vs. negativo: grau de sentimento
- Teoria da Resposta ao Item
- Etiquetagem POS (Part of Speech) e sua aplicação: encontrando pessoas, lugares e organizações mencionadas no texto
- Modelagem avançada de tópicos: Alocação Latente Dirichlet
- Estudos de caso
- Mineração de avaliações não estruturadas de usuários
- Classificação e visualização de sentimento de Dados de Avaliações de Produtos
- Mineração de logs de busca para padrões de uso
- Classificação de texto
- Modelagem de tópicos
Requisitos
Conhecimento e familiaridade com os princípios de NLP e uma compreensão das aplicações de IA no ambiente de negócios
21 Horas
Testemunhos de Clientes (1)
Apoio individual
Simon the 2nd - Cboost
Curso - ROS: Programming for Robotics
Máquina Traduzida
