コース概要

導入

  • 「産業級自然言語処理」の定義

spaCyのインストール

spaCyのコンポーネント

  • 品詞タグ付け
  • 固有表現認識
  • 依存関係解析

spaCyの機能と構文の概要

spaCyモデリングの理解

  • 統計的モデリングと予測

spaCyコマンドラインインターフェース(CLI)の使用

  • 基本的なコマンド

行動予測を行うシンプルなアプリケーションの作成

新しい統計モデルの訓練

  • データ(訓練用)
  • ラベル(タグ、固有表現など)

モデルの読み込み

  • シャッフルとループ

モデルの保存

モデルへのフィードバック提供

  • エラーグラデーション

モデルの更新

  • エンティティ認識器の更新
  • ルールベースマッチャを使用したトークン抽出

期待される結果の一般的理論の開発

事例研究

  • 製品名と会社名の区別

訓練データの洗練

  • 代表的なデータの選択
  • ドロップアウト率の設定

他の訓練スタイル

  • 生のテキストを渡す
  • アノテーションの辞書を渡す

Deep Learning用のspaCyによるテキスト前処理

遺産アプリケーションとのspaCy統合

spaCyモデルのテストとデバッグ

  • 反復の重要性

モデルを生産環境に展開

モデルの監視と調整

トラブルシューティング

まとめと結論

要求

  • Pythonプログラミング経験。
  • 統計の基本的な理解。
  • コマンドラインの使用経験。

対象者

  • 開発者
  • データ科学者
 14 時間

参加者の人数


参加者1人当たりの料金

お客様の声 (3)

今後のコース

関連カテゴリー