Доступно

Инструменты обработки естественного языка в Python [Udemy] [Джесси Э. Фармерс]

Тема в разделе "Курсы по программированию", создана пользователем Bertrax, 17 ноя 2020.

Цена: 1090р.
Взнос: 154р.
96%

Основной список: 24 участников

Статус обсуждения:
Комментирование ограничено.
  1. 17 ноя 2020
    #1
    Bertrax
    Bertrax ЧКЧлен клуба
    Инструменты обработки естественного языка в Python
    Изучите более 15+ инструментов, включая TextBlob, NLTK, Spacy, Flair, для выполнения проектов NLP
    Автор: Джесси Э. Фармерс


    Снимок экрана 2020-11-17 в 17.09.52.png

    Субтитры: Русский, Английский [Авто]
    Язык: Английский


    Чему вы научитесь
    • Понять концепции обработки естественного языка и их реализацию в коде
    • Изучите инструменты для извлечения данных из текстовых файлов, PDF, API и т. Д.
    • Очистка и предварительная обработка текста для проектов НЛП
    • Стилометрия в Python
    • Анализ настроений с помощью TextBlob, Vader, Flair, машинного обучения и др.
    • Извлечение ключевых слов с помощью Yake, Rake, Textrank и Spacy
    • Создавайте приложения NLP, например редактирование документов, классификацию текста, анализ тональности, стилометрию, указание автора и т. Д.
    • Изучите различные инструменты, используемые в сквозном проекте НЛП
    • NLP с Spacy, Flair, TextBlob, NLTK и т. Д.

    Описание

    Вы знаете, что в мире существует более 7000 человеческих языков? Возможно ли вообще дать машинам и компьютерам возможность понимать и обрабатывать эти человеческие языки? В этом курсе мы будем изучать концепцию и инструменты для обработки человеческого (естественного) языка в Python.

    Следовательно, если вас интересуют проекты обработки естественного языка и вам интересно, как работает анализ тональности, классификация текста, резюмирование и несколько задач НЛП? Тогда этот курс для вас.

    Обработка естественного языка - захватывающая область науки о данных, но есть много вещей, которым нужно научиться, чтобы не отставать. Новые концепции и инструменты появляются каждый день. Так как же ты успеваешь?

    В этом курсе « Потрясающие инструменты обработки естественного языка в Python» мы познакомим вас с более чем 15+ инструментами, которые вам необходимо знать при выполнении проекта НЛП в формате рабочего процесса.

    Инструменты и технологии постоянно меняются, но рабочие процессы и системы остаются на долгое время, поэтому мы сосредоточимся на рабочем процессе и инструментах, необходимых для каждого из них. Курс подходит к обработке естественного языка с точки зрения использования рабочего процесса или простого жизненного цикла проекта НЛП.

    По окончании этого увлекательного курса вы сможете:
    • Получение текстовых данных из большинства документов (docx, txt, pdf, csv), веб-сайтов и т. Д.

    • Очистите и предварительно обработайте неструктурированные текстовые данные с помощью нескольких инструментов, таких как NeatText, Ftfy, Regex и т. Д.

    • Понять, как работает токенизация и почему токенизация важна в NLP

    • Выполните стилометрию в Python для идентификации и проверки авторов

    • НЛП с помощью Spacy, TextBlob, Flair и NLTK

    • Узнайте, как выполнять классификацию текста с помощью машинного обучения, трансформаторов, TextBlob, Flair и т. Д.

    • Создайте отличные приложения для НЛП с помощью Streamlit

    • Выполните анализ настроений с нуля и с помощью нескольких пакетов НЛП

    • Создание функций из текстовых данных - Word2Vec, FastText, Tfidf

    • И многое другое
    Этот всеобъемлющий курс фокусируется не только на различных инструментах, которые могут быть полезны на каждом этапе сквозного проекта НЛП, но также на том, как они работают и как создавать простые функции с нуля для вашей задачи.

    Советы по прохождению курса
    • Пожалуйста, пишите или кодируйте вместе с нами, не просто смотрите, это улучшит ваше понимание.

    • Вы можете регулировать скорость и звук видео по своему усмотрению, предпочтительно на -0,75x, если скорость для вас слишком высока.

    • Предлагаемые предварительные условия - понимание Python.

    • Этот курс НЕ является « Теоретическим введением в НЛП» или «Продвинутыми концепциями в НЛП», хотя мы изо всех сил стараемся охватить некоторые концепции для новичков и профессионалов. Скорее, речь идет об инструментах, используемых для рабочего процесса проекта НЛП.

    Материалы курса

    • Общая продолжительность 23 ч 36 мин
    • Предпросмотр05:26
    • Что такое обработка естественного языка (NLP)
      04:10
    • Предпросмотр03:18
    • Самые популярные библиотеки и пакеты НЛП
      01:59
    • Предпросмотр02:52
    • Проблемы обработки естественного языка
      03:33
    • Двусмысленность текста и языка
      03:38
    • Анатомия текста
      03:26
    • Ремесленные инструменты, монтажные и учебные материалы
      06:13



      • Получение текстовых данных - Введение
        00:35
      • Предпросмотр13:34
      • Получение текстовых данных - использование запросов и Beautiful Soup для веб-сканирования
        22:17
      • Получение текстовых данных - поиск статей в Интернете с помощью NewsPaper3k
        13:27
      • Получение текстовых данных - Работа с Википедией
        13:27
      • Получение текстовых данных - Получение нескольких статей
        07:06
      • Получение текстовых данных - чтение текста из PDF
        03:37
      • Получение текстовых данных - чтение текста из PDF - с использованием pyPDF2
        05:07
      • Получение текстовых данных - чтение текста из PDF - использование PDFplumber
        03:44
      • Получение текстовых данных - чтение текста из текстового файла
        01:55

    • Предпросмотр03:00
    • Очистка текста с помощью NeatText - ускоренный курс
      43:00
    • Очистка текста с помощью чистого Python с использованием строк
      27:41
    • Очистка текста и предварительная обработка строк - задача
      06:42
    • Очистка текста и предварительная обработка с Texthero
      31:52
    • Токенизация - что такое токенизация
      04:59
    • Токенизация - почему токенизация важна в НЛП?
      04:51
    • Токенизация - как осуществляется токенизация и типы токенизации
      02:07
    • Токенизация - Использование чистого Python и NLTK
      21:24
    • Токенизация - Использование Spacy против NLTK
      10:11
    • Токенизация - токенизация твитов с помощью случайного токенизатора
      06:28
    • Токенизация - Токенизация предложения
      07:47
    • Токенизация в Tensorflow
      23:34
    • Стебли - возникновение с нуля
      10:09
    • Стемминг - Использование специальной логики
      04:55
    • Стемминг - Использование NLTK
      06:14



      • Предпросмотр04:46
      • Анализ текста - подготовка данных (проект атрибуции автора)
        14:50
      • Анализ текста - подготовка данных (данные небиблейских авторов)
        07:04
      • Анализ текста - количество слов и частота слов
        13:46
      • Анализ текста - график частоты встречаемости слов
        06:28
      • Анализ текста - график частоты встречаемости слов - часть 2
        02:28
      • Анализ текста - лексическая сложность текста
        01:51
      • Анализ текста - лексическая насыщенность и удобочитаемость
        18:29
      • Стилометры в Python - Введение
        00:51
      • Стилометрия - распределение длины слов и кривая Мендал-Холла
        15:40
      • Стилометрия - подзаголовок для сравнения двух авторов (идентификация автора)
        09:07
      • Стилометрия в Python - проверка автора
        03:25

    • Построение элементов из текста - Введение
      04:15
    • Как слова представлены в НЛП
      02:16
    • Построение элементов из текста - мешок слов
      08:01
    • Создание функций из текста - одна горячая кодировка
      15:42
    • Построение функций из текста - Word Count / CountVectorizer
      12:27
    • Создание элементов из текста - ускоренный курс "Инструменты для проектирования элементов"
      01:23:26
    • Вложения слов - Gensim Word2Vec (Skipgram / CBOW) и FastText,
      40:54



      • НЛП с TextBlob - Введение и обзор API
        01:50
      • НЛП с TextBlob - Токенизация Word
        07:37
      • НЛП с TextBlob - пользовательский токенизатор
        02:00
      • НЛП с TextBlob - Части речевых тегов
        06:37
      • НЛП с TextBlob - анализ настроений и чистый Python для анализа настроений
        22:55

    • Предпросмотр04:09
    • НЛП с чутьем - введение и токенизация с помощью чутья
      16:45
    • НЛП с чутьем - маркировка последовательностей, текстовая аннотация
      12:08
    • НЛП с чутьем - часть речевых тегов
      09:50
    • НЛП с чутьем - признание именованных сущностей
      09:18
    • НЛП с чутьем - Использование нескольких тегеров
      03:54
    • НЛП с чутьем - обнаружение семантических кадров для устранения смысловой неоднозначности
      06:36
    • НЛП с чутьем - анализ настроений с чутьем
      06:59
    • НЛП с чутьем - классификация текстов с чутьем
      42:11



      • Что такое тематическое моделирование?
        04:42
      • Тематическое моделирование в НЛП - Обзор Gensim
        02:12
      • Тематическое моделирование в НЛП - рабочий процесс и основные термины
        03:21
      • Тематическое моделирование в НЛП - Введение и токенизация с помощью Gensim
        09:12
      • Тематическое моделирование в НЛП - Gensim: создание словаря
        10:34
      • Тематическое моделирование в НЛП - Gensim: создание пакета слов
        16:18
      • Тематическое моделирование в НЛП - Gensim: использование модели TFIDF
        08:36
      • Тематическое моделирование в НЛП - Gensim: использование модели LDA для определения тем
        09:38

    • Что такое суммирование текста?
      03:55
    • Оценка качества текстового резюме
      04:42
    • Библиотеки для обобщения текста
      02:25
    • Предпросмотр13:27
    • Обобщение текста - абстрактное обобщение с помощью преобразователей
      13:49
    • Оценка абстрактного и экстрактивного обобщения текста с помощью Rouge
      28:23



      • Визуализация текста - 5+ методов визуализации текста
        01:23:27

    • Введение в классификацию текста
      04:19
    • Классификация текста с машинным обучением с использованием Scikit-Learn
      01:20:14
    • Классификация текста с несколькими метками и несколькими классами
      06:20
    • Классификация текста с несколькими метками с использованием Scikit-Multi-Learn
      38:25
    • Классификация текста с помощью простых преобразователей - Подготовка данных
      20:30
    • Классификация текста с помощью простых преобразователей
      21:13
    • Классификация текста с помощью TextBlob
      16:18



      • Проект 01 - Анализ настроений
        50:24
      • Проект 02 - приложение NLP для извлечения ключевых слов - демонстрация
        05:07
      • Проект 02 - Приложение NLP для извлечения ключевых слов
        01:18:50
      • Проект 03 - Приложение Text Visualizer NLP - Демо
        04:38
      • Проект 03 - приложение NLP для визуализации текста с Streamlit - построение структуры
        28:19
      • Проект 03 - Приложение Text Visualizer NLP с Streamlit - Добавление функций
        39:16
      • Предпросмотр01:37
      • Проект 04 - Приложение НЛП для анализа текста с Streamlit
        53:42

    Для кого этот курс:

    • Начинающие разработчики Python, интересующиеся обработкой естественного языка
    • Специалист по данным и разработчики
    • Судебная лингвистика
    • Всем, кто интересуется НЛП и анализом текста

    Скрытая ссылка
     
    2 пользователям это понравилось.
  2. Последние события

    1. skladchik.com
      Складчина доступна.
      17 дек 2020
    2. skladchik.com
      Взнос составляет 77р.
      17 дек 2020
    3. skladchik.com
      Складчина активна.
      17 дек 2020
    4. kostelo
      kostelo участвует.
      16 дек 2020

    Последние важные события

    1. skladchik.com
      Складчина доступна.
      17 дек 2020
    2. skladchik.com
      Взнос составляет 77р.
      17 дек 2020
    3. skladchik.com
      Складчина активна.
      17 дек 2020
    4. skladchik.com
      Сбор взносов начинается 17.12.2020.
      15 дек 2020
Статус обсуждения:
Комментирование ограничено.

Поделиться этой страницей