Plan du cours
Introduction
- Définir le "traitement du langage naturel à l'échelle industrielle" (Industrial-Strength Natural Language Processing)
Installation de spaCy
Composants de spaCy
- Étiqueteur de parties du discours
- Reconnaissance des entités nommées
- Analyseur de dépendances
Aperçu des fonctionnalités et de la syntaxe de spaCy
Comprendre la modélisation spaCy
- Modélisation statistique et prédiction
Utilisation de l'interface de ligne de commande (CLI) de SpaCy
- Commandes de base
Créer une application simple pour prédire le comportement
Entraînement d'un nouveau modèle statistique
- Données (pour la formation)
- Étiquettes (tags, entités nommées, etc.)
Chargement du modèle
- Mélange et boucle
Sauvegarde du modèle
Fournir un retour d'information au modèle
- Gradient d'erreur
Mise à jour du modèle
- Mise à jour de l'outil de reconnaissance d'entités
- Extraction des tokens à l'aide d'une matrice basée sur des règles
Élaboration d'une théorie généralisée des résultats attendus
Étude de cas
- Distinguer les noms de produits des noms d'entreprises
Affiner les données de formation
- Sélection de données représentatives
- Fixer le taux d'abandon
Autres styles de formation
- Transmission de textes bruts
- Transmission de dictionnaires d'annotations
Utiliser spaCy pour prétraiter le texte pour Deep Learning
Intégrer spaCy aux applications existantes
Test et débogage du modèle spaCy
- L'importance de l'itération
Déployer le modèle en production
Surveillance et ajustement du modèle
Résolution des problèmes
Résumé et conclusion
Pré requis
- Python expérience en programmation.
- Une compréhension de base des statistiques
- Expérience de la ligne de commande
Public
- Développeurs
- Data scientists
Nos Clients témoignent (4)
Le formateur était très disponible pour répondre à toutes les questions que je me posais.
Caterina - Stamtech
Formation - Developing APIs with Python and FastAPI
Traduction automatique
It was a though course as we had to cover a lot in a short time frame. Our trainer knew a lot about the subject and delivered the content to address our requirements. It was lots of content to learn but our trainer was helpful and encouraging. He answered all our questions with good detail and we feel that we learned a lot. Exercises were well prepared and tasks were tailored accordingly to our needs. I enjoyed this course
Bozena Stansfield - New College Durham
Formation - Build REST APIs with Python and Flask
Transfert des connaissances pratiques et de l'expérience du formateur.
Rumel Mateusz - Pojazdy Szynowe PESA Bydgoszcz SA
Formation - GUI Programming with Python and PyQt
Traduction automatique
As I was the only participant the training could be adapted to my needs.