Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Αναλυτικό περίγραμμα εκπαίδευσης
- Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας (NLP)
- Κατανόηση του NLP
- Πλαίσια εργασίας NLP
- Εμπορικές εφαρμογές του NLP
- Άντληση δεδομένων από τον ιστό
- Εργασία με διάφορα API για ανάκτηση δεδομένων κειμένου
- Εργασία με σώματα κειμένων και αποθήκευση περιεχομένου και σχετικών μεταδεδομένων
- Πλεονεκτήματα χρήσης της Python και σύντομο μάθημα NLTK
- Πρακτική κατανόηση ενός Σώματος Κειμένων και Συνόλου Δεδομένων
- Γιατί χρειαζόμαστε ένα σώμα κειμένων;
- Ανάλυση Σώματος Κειμένων
- Τύποι χαρακτηριστικών δεδομένων
- Διαφορετικές μορφές αρχείων για σώματα κειμένων
- Προετοιμασία συνόλου δεδομένων για εφαρμογές NLP
- Κατανόηση της Δομής των Προτάσεων
- Συστατικά του NLP
- Κατανόηση φυσικής γλώσσας
- Μορφολογική ανάλυση - θέμα, λέξη, διακριτικό, ετικέτες μέρους του λόγου
- Συντακτική ανάλυση
- Σημασιολογική ανάλυση
- Διαχείριση αμφισημίας
- Προεπεξεργασία δεδομένων κειμένου
- Σώμα κειμένων - ακατέργαστο κείμενο
- Τμηματοποίηση προτάσεων
- Αποκοπή καταλήξεων για ακατέργαστο κείμενο
- Λημματοποίηση ακατέργαστου κειμένου
- Αφαίρεση λέξεων διακοπής
- Σώμα κειμένων - ακατέργαστες προτάσεις
- Τμηματοποίηση λέξεων
- Λημματοποίηση λέξεων
- Εργασία με μήτρες Όρου-Εγγράφου / Εγγράφου-Όρου
- Τμηματοποίηση κειμένου σε n-γράμματα και προτάσεις
- Πρακτική και προσαρμοσμένη προεπεξεργασία
- Σώμα κειμένων - ακατέργαστο κείμενο
- Ανάλυση δεδομένων κειμένου
- Βασικά χαρακτηριστικά του NLP
- Αναλυτές και ανάλυση
- Ετικετοποίηση μερών του λόγου και ετικετοποιητές
- Αναγνώριση ονομαστικών οντοτήτων
- N-γράμματα
- Bag of Words
- Στατιστικά χαρακτηριστικά του NLP
- Έννοιες Γραμμικής Άλγεβρας για NLP
- Θεωρία Πιθανοτήτων για NLP
- TF-IDF
- Διανυσματοποίηση
- Κωδικοποιητές και Αποκωδικοποιητές
- Κανονικοποίηση
- Πιθανοτικά Μοντέλα
- Προηγμένη μηχανική χαρακτηριστικών και NLP
- Βασικές αρχές του word2vec
- Συστατικά του μοντέλου word2vec
- Λογική του μοντέλου word2vec
- Επέκταση της έννοιας του word2vec
- Εφαρμογή του μοντέλου word2vec
- Μελέτη περίπτωσης: Εφαρμογή του bag of words: αυτόματη σύνοψη κειμένου με χρήση απλοποιημένων και πραγματικών αλγορίθμων του Luhn
- Βασικά χαρακτηριστικά του NLP
- Ομαδοποίηση, Ταξινόμηση και Μοντελοποίηση Θεματικών Ενοτήτων Εγγράφων
- Ομαδοποίηση εγγράφων και εξόρυξη προτύπων (ιεραρχική ομαδοποίηση, k-means, κλπ.)
- Σύγκριση και ταξινόμηση εγγράφων χρησιμοποιώντας TFIDF, Jaccard και μέτρα συνημιτονικής απόστασης
- Ταξινόμηση εγγράφων με χρήση Naïve Bayes και Μέγιστης Εντροπίας
- Αναγνώριση Σημαντικών Στοιχείων Κειμένου
- Μείωση διάστασης: Ανάλυση Κύριων Συνιστωσών, Ανάλυση Ιδιάζουσων Τιμών (SVD), μη-αρνητική παραγοντοποίηση μητρών (NMF)
- Μοντελοποίηση θεματικών ενοτήτων και ανάκτηση πληροφοριών με χρήση Λανθάνουσας Σημασιολογικής Ανάλυσης
- Εξαγωγή Οντοτήτων, Ανάλυση Συναισθήματος και Προηγμένη Μοντελοποίηση Θεμάτων
- Θετικό έναντι αρνητικού: βαθμός συναισθήματος
- Θεωρία Απόκρισης Στοιχείων
- Ετικετοποίηση μερών του λόγου και η εφαρμογή της: εύρεση ανθρώπων, τοποθεσιών και οργανισμών που αναφέρονται στο κείμενο
- Προηγμένη μοντελοποίηση θεμάτων: Latent Dirichlet Allocation
- Μελέτες περίπτωσης
- Εξόρυξη μη δομημένων κριτικών χρηστών
- Ταξινόμηση συναισθήματος και οπτικοποίηση δεδομένων κριτικών προϊόντων
- Εξόρυξη αρχείων καταγραφής αναζήτησης για μοτίβα χρήσης
- Ταξινόμηση κειμένου
- Μοντελοποίηση θεμάτων
Απαιτήσεις
Γνώση και κατανόηση των αρχών της Επεξεργασίας Φυσικής Γλώσσας και εκτίμηση της εφαρμογής της Τεχνητής Νοημοσύνης στις επιχειρήσεις
21 Ώρες
Σχόλια (1)
Ιδιαίτερη υποστήριξη
Simon the 2nd - Cboost
Κομμάτι - ROS: Programming for Robotics
Μηχανική Μετάφραση