문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
자세한 교육 개요
- NLP 소개
- NLP 이해
- NLP 프레임워크
- NLP의 상업적 응용
- 웹에서 데이터 수집
- 텍스트 데이터를 가져오기 위한 다양한 API 작업
- 텍스트 코퍼스 저장 및 저장된 내용과 관련 메타데이터 작업
- Python과 NLTK 크래시 코스를 사용하는 이점
- 코퍼스 및 데이터셋의 실용적인 이해
- 코퍼스가 필요한 이유
- 코퍼스 분석
- 데이터 속성의 종류
- 코퍼스에 대한 다양한 파일 형식
- NLP 애플리케이션을 위한 데이터셋 준비
- 문장 구조 이해
- NLP 구성 요소
- 자연어 이해
- 형태론 분석 - 어간, 단어, 토큰, 음소 태그
- 구문 분석
- 의미 분석
- 모호성 처리
- 텍스트 데이터 전처리
- 코퍼스 - 원시 텍스트
- 문장 토큰화
- 원시 텍스트 어간화
- 원시 텍스트 어근화
- 불용어 제거
- 코퍼스 - 원시 문장
- Word 토큰화
- Word 어근화
- Term-Document/Document-Term 행렬 작업
- 텍스트 토큰화 및 문장 n-그램
- 실용적이고 맞춤형 전처리
- 코퍼스 - 원시 텍스트
- 텍스트 데이터 분석
- NLP의 기본 기능
- 파서와 파싱
- 품사 태깅과 태거
- 명명 엔터티 인식
- N-그램
- Bag of words
- NLP의 통계적 특성
- NLP를 위한 선형 대수학 개념
- NLP를 위한 확률 이론
- TF-IDF
- 벡터화
- 인코더와 디코더
- 정규화
- 확률적 모델
- 고급 기능 공학 및 NLP
- word2vec 기본
- word2vec 모델 구성 요소
- word2vec 모델 논리
- word2vec 개념 확장
- word2vec 모델 적용
- 사례 연구: Bag of words 적용: Luhn의 알고리즘을 사용한 자동 텍스트 요약
- NLP의 기본 기능
- 문서 클러스터링, 분류 및 주제 모델링
- 문서 클러스터링 및 패턴 마이닝 (계층적 클러스터링, k-means 클러스터링 등)
- TFIDF, Jaccard 및 코사인 거리 측정치로 문서 비교 및 분류
- Naïve Bayes 및 최대 엔트로피를 사용한 문서 분류
- 중요한 텍스트 Element 식별
- 차원 축소: 주성분 분석, 특이값 분해, 비음수 행렬 인수분해
- 잠재 의미 분석을 사용한 주제 모델링 및 정보 검색
- 엔티티 추출, Sentiment Analysis 및 고급 주제 모델링
- 긍정 vs. 부정: 감정 정도
- 항목 반응 이론
- 품사 태깅 및 그 응용: 텍스트에 언급된 사람, 장소 및 조직 찾기
- 고급 주제 모델링: 잠재 디리클레 할당
- 사례 연구
- 비정형 사용자 리뷰 마이닝
- 제품 리뷰 데이터의 감정 분류 및 시각화
- 사용 패턴을 위한 검색 로그 마이닝
- 텍스트 분류
- 주제 모델링
Requirements
NLP 원리와 AI 비즈니스 응용에 대한 지식과 인식을 이해하는 능력
21 Hours
회원 평가 (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.