Course Outline

소개

  • "산업 수준의 자연어 처리" 정의

spaCy 설치

스파이시 구성 요소

  • 품사 태거
  • 명명된 엔터티 인식기
  • 종속성 파서

spaCy 기능 및 구문 개요

spaCy 모델링 이해

  • 통계적 모델링 및 예측

SpaCy 명령줄 인터페이스(CLI) 사용

  • 기본 명령

동작을 예측하기 위한 간단한 애플리케이션 만들기

새로운 통계 모델 훈련

  • 데이터(훈련용)
  • 라벨(태그, 명명된 엔터티 등)

모델 로드

  • 셔플링 및 루핑

모델 저장

모델에 피드백 제공

  • 오류 그라데이션

모델 업데이트

  • 엔터티 인식기 업데이트
  • 규칙 기반 일치자로 토큰 추출

예상 결과에 대한 일반화된 이론 개발

사례 연구

  • 회사 이름과 제품 이름 구별

훈련 데이터 정제

  • 대표 데이터 선정
  • 탈락률 설정

기타 훈련 스타일

  • 원시 텍스트 전달
  • 주석 사전 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

Requirements

  • Python 프로그래밍 경험.
  • 통계에 대한 기본 이해
  • 명령줄 사용 경험

청중

  • 개발자
  • 데이터 과학자
  14 Hours

Number of participants


Starts

Ends


Dates are subject to availability and take place between 10:00 and 17:00.

Price per participant

회원 평가 (4)

Related Courses

Related Categories