お問い合わせを送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
コース概要
詳細な研修アウトライン
- NLPの入門
- NLPの理解
- NLPフレームワーク
- NLPの商業応用
- Webからのデータスクレイピング
- テキストデータ取得のための様々なAPIとの連携
- コンテンツと関連メタデータを含むテキストコーパスの処理と保存
- Python使用の利点とNLTKクランチコース
- コーパスとデータセットの実践的理解
- なぜコーパスが必要なのか？
- コーパス分析
- データ属性の種類
- コーパスの異なるファイル形式
- NLPアプリケーション向けのデータセットの準備
- 文構造の理解
- NLPの構成要素
- 自然言語理解
- 形態素分析 - 語根、単語、トークン、品詞タグ
- 統語分析
- 意味分析
- 曖昧さの処理
- テキストデータの前処理
- コーパス - 生テキスト
- 文のトークナイズ
- 生テキストの語根化（Stemming）
- 生テキストのレマティゼーション
- ストップワードの削除
- コーパス - 生文
- 単語のトークナイズ
- 単語のレマティゼーション
- 単語-文書／文書-単語行列の取り扱い
- N-gramおよび文へのテキストのトークナイズ
- 実践的かつカスタマイズされた前処理
- コーパス - 生テキスト
- テキストデータの分析
- NLPの基本機能
- パーサーとパース
- 品詞タグ付けとタグアタッカー
- 名前実体認識
- N-gram
- Bag of Words（単語袋）
- NLPの統計的機能
- NLPにおける線形代数の概念
- NLPにおける確率論
- TF-IDF
- ベクトル化
- エンコーダーとデコーダー
- 正規化
- 確率モデル
- 高度な特徴量エンジニアリングとNLP
- word2vecの基礎
- word2vecモデルの構成要素
- word2vecモデルのロジック
- word2vec概念の拡張
- word2vecモデルの応用
- ケーススタディ: Bag of Wordsの応用: 簡略化および真のLuhnアルゴリズムによる自動テキスト要約
- NLPの基本機能
- ドキュメントクラスタリング、分類およびトピックモデリング
- ドキュメントクラスタリングとパターンマイニング（階層型クラスタリング、k平均法、クラスタリングなど）
- TFIDF、Jaccard距離、コサイン類似度を用いたドキュメントの比較と分類
- ナイーブベイズと最大エントロピーを用いたドキュメント分類
- 重要なテキスト要素の識別
- 次元削減: 主成分分析（PCA）、特異値分解（SVD）、非負行列分解（NMF）
- 潜在意味分析（LSA）によるトピックモデリングと情報検索
- 実体抽出、感情分析および高度なトピックモデリング
- ポジティブ vs ネガティブ: 感情の度合い
- 課題反応理論（IRT）
- 品詞タグ付けとその応用: テキスト内で言及された人物、場所、組織の特定
- 高度なトピックモデリング: 潜在ディリクレ分配（LDA）
- ケーススタディ
- 非構造化ユーザーレビューのマイニング
- 製品レビューデータの感情分類と可視化
- 使用パターンのマイニングのための検索ログ分析
- テキスト分類
- トピックモデリング
要求
NLPの原理に関する知識と理解、およびビジネスにおけるAI応用の認識
21 時間
お客様の声 (1)
個別のサポート
Simon the 2nd - Cboost
コース - ROS: Programming for Robotics
機械翻訳
