Programa do Curso

Introdução

  • Definindo "Processamento de Linguagem Natural em Escala Industrial"

Instalando spaCy

Componentes do spaCy

  • Marcador de classe gramatical
  • Reconhecedor de entidades nomeadas
  • Analisador sintático dependente

Visão geral das funcionalidades e sintaxe do spaCy

Compreendendo o modelamento no spaCy

  • Modelagem estatística e previsão

Usando a Interface de Linha de Comando (CLI) do spaCy

  • Comandos básicos

Criando uma aplicação simples para prever comportamento 

Treinando um novo modelo estatístico

  • Dados (para treinamento)
  • Rótulos (etiquetas, entidades nomeadas, etc.)

Carregando o modelo

  • Misturando e iterando 

Salvando o modelo

Fornecendo feedback ao modelo

  • Gradiente de erro

Atualizando o modelo

  • Atualizando o reconhecedor de entidades
  • Extraindo tokens com correspondência baseada em regras

Desenvolvendo uma teoria geral para resultados esperados

Caso de estudo

  • Diferenciando nomes de produtos de nomes de empresas

Aperfeiçoando 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 Aprendizado Profundo

Integrando spaCy com aplicações legadas

Testando e depurando o modelo do spaCy

  • A importância da iteração

Distribuindo o modelo para produção

Monitorando e ajustando o modelo

Solução de problemas

Resumo e conclusão

Requisitos

  • Experiência com programação Python.
  • Compreensão básica de estatística
  • Experiência com a linha de comando

Público-Alvo

  • Desenvolvedores
  • Cientistas de dados
 14 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas