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。
  • 對統計學有基本了解
  • 具有命令行操作經驗

觀眾

  • 開發者
  • 數據科學家
 14 時間:

客戶評論 (5)

課程分類