문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
소개
- “산업용 수준의 자연어 처리” 정의
spaCy 설치
스파이시 구성 요소
- 품사 태거
- 개체명 인식기
- 의존 구문 분석기
spaCy 기능 및 구문 개요
spaCy 모델링 이해
- 통계적 모델링 및 예측
SpaCy 명령줄 인터페이스(CLI) 사용
- 기본 명령어
행동 예측을 위한 간단한 애플리케이션 만들기
새로운 통계 모델 훈련
- 데이터 (훈련용)
- 레이블 (태그, 개체명 등)
모델 로드
- 셔플링 및 루핑
모델 저장
모델에 피드백 제공
- 오류 기울기
모델 업데이트
- 개체 인식기 업데이트
- 규칙 기반 매처를 사용한 토큰 추출
예상 결과에 대한 일반화된 이론 개발
사례 연구
- 제품 이름과 회사 이름 구별
훈련 데이터 정제
- 대표 데이터 선택
- 드롭아웃 비율 설정
기타 훈련 스타일
- 원시 텍스트 전달
- 주석 딕셔너리 전달
spaCy를 사용하여 Deep Learning의 텍스트 전처리
spaCy를 레거시 애플리케이션과 통합
spaCy 모델 테스트 및 디버깅
- 반복의 중요성
모델을 프로덕션에 배포
모델 모니터링 및 조정
문제 해결
요약 및 결론
요건
- Python 프로그래밍 경험.
- 통계의 기본 이해
- 명령 줄 사용 경험
대상 독자
- 개발자
- 데이터 과학자
14 시간
회원 평가 (3)
우리 프로젝트에서 사용하는 것과 유사한 데이터(위성 영상의 래스터 형식)를 더 많이 활용하는 실습이 있다는 사실
Matthieu - CS Group
코스 - Scaling Data Analysis with Python and Dask
기계 번역됨
트레이너의 충분한 준비와 전문성, 영어로의 완벽한 의사소통이 인상적이었습니다. 이 과정은 실용적이었으며 (연습 문제 + 사용 사례 공유)
Monika - Procter & Gamble Polska Sp. z o.o.
코스 - Developing APIs with Python and FastAPI
기계 번역됨
트레이너는 참가자의 속도에 따라 교육을 진행합니다
Farris Chua
코스 - Data Analysis in Python using Pandas and Numpy
기계 번역됨