- Znajomość Apache Spark
- Python doświadczenie w programowaniu
Publiczność
- Naukowcy zajmujący się danymi
- Programiści
Spark NLP to biblioteka open source, zbudowana na Apache Spark, do przetwarzania języka naturalnego z Python, Java i Scala. Jest szeroko stosowany w przedsiębiorstwach i branżach, takich jak opieka zdrowotna, finanse, nauki przyrodnicze i rekrutacja.
To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi i programistów, którzy chcą używać Spark NLP, zbudowanego na bazie Apache Spark, do opracowywania, wdrażania i skalowania modeli i potoków przetwarzania tekstu w języku naturalnym.
Pod koniec tego szkolenia uczestnicy będą mogli
- Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć tworzenie potoków NLP za pomocą Spark NLP.
- Zrozumieć funkcje, architekturę i zalety korzystania z Spark NLP.
- Używać wstępnie wytrenowanych modeli dostępnych w Spark NLP do implementacji przetwarzania tekstu.
- Dowiedz się, jak budować, trenować i skalować modele Spark NLP dla projektów klasy produkcyjnej.
- Zastosuj klasyfikację, wnioskowanie i analizę nastrojów w rzeczywistych przypadkach użycia (dane kliniczne, spostrzeżenia dotyczące zachowań klientów itp.)
Format kursu
- Interaktywny wykład i dyskusja.
- Wiele ćwiczeń i praktyki.
- Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
- Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.
Wprowadzenie
- Spark NLP vs NLTK vs spaCy
- Przegląd funkcji i architektury Spark NLP
Pierwsze kroki
- Wymagania dotyczące konfiguracji
- Instalacja Spark NLP
- Pojęcia ogólne
Używanie wstępnie wytrenowanych potoków
- Importowanie wymaganych modułów
- Domyślne anotatory
- Ładowanie modelu potoku
- Przekształcanie tekstów
Tworzenie potoków NLP
- Zrozumienie interfejsu API potoku
- Wdrażanie modeli NER
- Wybór osadzeń
- Używanie osadzeń słów, zdań i uniwersalnych
Klasyfikacja i wnioskowanie
- Przypadki użycia klasyfikacji dokumentów
- Modele analizy nastrojów
- Trenowanie klasyfikatora dokumentów
- Korzystanie z innych struktur uczenia maszynowego
- Zarządzanie modelami NLP
- Optymalizacja modeli pod kątem wnioskowania o małych opóźnieniach
Rozwiązywanie problemów
Podsumowanie i kolejne kroki
United Arab Emirates - Scaling Data Pipelines with Spark NLP
Qatar - Scaling Data Pipelines with Spark NLP
Egypt - Scaling Data Pipelines with Spark NLP
Saudi Arabia - Scaling Data Pipelines with Spark NLP
South Africa - Scaling Data Pipelines with Spark NLP
Brasil - Scaling Data Pipelines with Spark NLP
Canada - Scaling Data Pipelines with Spark NLP
中国 - Scaling Data Pipelines with Spark NLP
香港 - Scaling Data Pipelines with Spark NLP
澳門 - Scaling Data Pipelines with Spark NLP
台灣 - Scaling Data Pipelines with Spark NLP
USA - Scaling Data Pipelines with Spark NLP
Österreich - Scaling Data Pipelines with Spark NLP
Schweiz - Scaling Data Pipelines with Spark NLP
Deutschland - Scaling Data Pipelines with Spark NLP
Czech Republic - Scaling Data Pipelines with Spark NLP
Denmark - Scaling Data Pipelines with Spark NLP
Estonia - Scaling Data Pipelines with Spark NLP
Finland - Scaling Data Pipelines with Spark NLP
Greece - Scaling Data Pipelines with Spark NLP
Magyarország - Scaling Data Pipelines with Spark NLP
Ireland - Scaling Data Pipelines with Spark NLP
Luxembourg - Scaling Data Pipelines with Spark NLP
Latvia - Scaling Data Pipelines with Spark NLP
España - Scaling Data Pipelines with Spark NLP
Italia - Scaling Data Pipelines with Spark NLP
Lithuania - Scaling Data Pipelines with Spark NLP
Nederland - Scaling Data Pipelines with Spark NLP
Norway - Scaling Data Pipelines with Spark NLP
Portugal - Scaling Data Pipelines with Spark NLP
România - Scaling Data Pipelines with Spark NLP
Sverige - Scaling Data Pipelines with Spark NLP
Türkiye - Scaling Data Pipelines with Spark NLP
Malta - Scaling Data Pipelines with Spark NLP
Belgique - Scaling Data Pipelines with Spark NLP
France - Scaling Data Pipelines with Spark NLP
日本 - Scaling Data Pipelines with Spark NLP
Australia - Scaling Data Pipelines with Spark NLP
Malaysia - Scaling Data Pipelines with Spark NLP
New Zealand - Scaling Data Pipelines with Spark NLP
Philippines - Scaling Data Pipelines with Spark NLP
Singapore - Scaling Data Pipelines with Spark NLP
Thailand - Scaling Data Pipelines with Spark NLP
Vietnam - Scaling Data Pipelines with Spark NLP
India - Scaling Data Pipelines with Spark NLP
Argentina - Scaling Data Pipelines with Spark NLP
Chile - Scaling Data Pipelines with Spark NLP
Costa Rica - Scaling Data Pipelines with Spark NLP
Ecuador - Scaling Data Pipelines with Spark NLP
Guatemala - Scaling Data Pipelines with Spark NLP
Colombia - Scaling Data Pipelines with Spark NLP
México - Scaling Data Pipelines with Spark NLP
Panama - Scaling Data Pipelines with Spark NLP
Peru - Scaling Data Pipelines with Spark NLP
Uruguay - Scaling Data Pipelines with Spark NLP
Venezuela - Scaling Data Pipelines with Spark NLP
Polska - Scaling Data Pipelines with Spark NLP
United Kingdom - Scaling Data Pipelines with Spark NLP
South Korea - Scaling Data Pipelines with Spark NLP
Pakistan - Scaling Data Pipelines with Spark NLP
Sri Lanka - Scaling Data Pipelines with Spark NLP
Bulgaria - Scaling Data Pipelines with Spark NLP
Bolivia - Scaling Data Pipelines with Spark NLP
Indonesia - Scaling Data Pipelines with Spark NLP
Kazakhstan - Scaling Data Pipelines with Spark NLP
Moldova - Scaling Data Pipelines with Spark NLP
Morocco - Scaling Data Pipelines with Spark NLP
Tunisia - Scaling Data Pipelines with Spark NLP
Kuwait - Scaling Data Pipelines with Spark NLP
Oman - Scaling Data Pipelines with Spark NLP
Slovakia - Scaling Data Pipelines with Spark NLP
Kenya - Scaling Data Pipelines with Spark NLP
Nigeria - Scaling Data Pipelines with Spark NLP
Botswana - Scaling Data Pipelines with Spark NLP
Slovenia - Scaling Data Pipelines with Spark NLP
Croatia - Scaling Data Pipelines with Spark NLP
Serbia - Scaling Data Pipelines with Spark NLP
Bhutan - Scaling Data Pipelines with Spark NLP