課程簡介

介紹

  • 定義「工業級自然語言處理”

安裝 spaCy

spaCy 元件

  • 詞性標記器
  • 命名實體識別器
  • 依賴項解析器

spaCy 功能和語法概述

瞭解 spaCy 建模

  • 統計建模和預測

使用 SpaCy 命令列介面 (CLI)

  • 基本命令

建立簡單的應用程式來預測行為 

訓練新的統計模型

  • 資料(用於訓練)
  • 標籤(標籤、命名實體等)

載入模型

  • 隨機播放和循環播放

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令牌

為預期結果發展廣義理論

個案研究

  • 區分產品名稱和公司名稱

優化訓練數據

  • 選擇代表性數據
  • 設置輟學率

其他訓練方式

  • 傳遞原始文字
  • 傳遞批註字典

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

  • 反覆運算的重要性

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 程式設計經驗。
  • 對統計學有基本的瞭解
  • 使用命令行的經驗

觀眾

  • 開發人員
  • 數據科學家
  14 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客戶評論 (4)

相關課程

課程分類