感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
介紹
- 定義「工業級自然語言處理」
安裝 spaCy
spaCy 元件
- 詞性標註器
- 命名實體識別器
- 依存句法分析器
spaCy 功能和語法概述
瞭解 spaCy 建模
- 統計建模與預測
使用 SpaCy 命令列介面 (CLI)
- 基本指令
創建一個簡單的應用程式來預測行為
訓練新的統計模型
- 數據(用於訓練)
- 標籤(標記、命名實體等)
載入模型
- 隨機排列與循環
保存模型
向模型提供反饋
- 誤差梯度
更新模型
- 更新實體識別器
- 使用基於規則的匹配器提取詞元
為預期結果發展廣義理論
個案研究
- 區分產品名稱與公司名稱
優化訓練數據
- 選擇代表性數據
- 設置丟棄率
其他訓練方式
- 傳遞原始文本
- 傳遞註釋字典
使用 spaCy 預處理 Deep Learning 的文字
將 spaCy 與傳統應用程式整合
測試和調試 spaCy 模型
- 迭代的重要性
將模型部署到生產環境
監視和調整模型
故障排除
總結和結論
最低要求
- Python編程經驗。
- 對統計學有基本瞭解。
- 有命令行使用經驗。
受衆
- 開發者
- 數據科學家
14 時間:
客戶評論 (3)
使用與我們在專案中使用的數據(光柵格式的衛星圖像)更相似的數據進行更多實踐練習的事實
Matthieu - CS Group
課程 - Scaling Data Analysis with Python and Dask
機器翻譯
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
課程 - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace