Natural Language Processing (NLP) with Python spaCy

• 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

這種由講師指導的現場培訓（現場或遠程）是針對希望使用spaCy處理大量文本以查找模式和獲得見解的開發人員和數據科學家。

在培訓結束時，參與者將能夠：

• 安裝並配置spaCy。
• 理解spaCy的Natural Language Processing (NLP)方法。
• 從大規模數據源中提取模式並獲得商業見解。
• 將spaCy庫與現有的網絡和遺留應用程序集成。
• 將spaCy部署到實際生產環境中以預測人類行為。
• 使用spaCy對Deep Learning進行文本預處理。

課程格式

• 互動式講座與討論。
• 大量練習與實踐。
• 在實時實驗室環境中進行動手操作。

課程自定義選項

• 如需為本課程定制培訓，請聯繫我們安排。
• 要了解更多關於spaCy的信息，請訪問：https://spacy.io/

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