Natural Language Processing con Python: il Corso Pratico
-
Il corso procede con efficace gradualità, dalle basi a concetti più complessi e strutturati. Consigliato.
← | →
-
Il corso è completo e soddisfacente. Supera per qualità i corsi universitari che ho seguito sui medesimi temi.
← | →
-
Ha soddisfatto i miei bisogni.
← | →
Corso
Online
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Metodologia
Online
-
Ore di lezione
14h
-
Inizio
Scegli data
-
Invio di materiale didattico
Sì
-
Servizio di consultazione
Sì
-
Tutoraggio personalizzato
Sì
-
Lezioni virtuali
Sì
Al raggiungimento di 250 studenti aggiungeremo una nuova sezione sui Modelli Sequence to Sequence, in cui utilizzeremo tale architettura per creare un sistema di traduzione automatica basato sul deep learning.
Il Natural Language Processing è il cuore di Google Search e Google Translate ed è la tecnologia che da la voce a Siri, Alexa, Google Assistant e tutti gli altri assistenti virtuali
In questo corso apprenderemo i segreti Natural Language Processing e impareremo ad utilizzarlo su problemi reali come:
Eseguire l'analisi del sentiment su recensioni di film usando scikit-learn
Raggruppare automaticamente articoli di giornale in base all'argomento usando Gensim
Creare un Chatbot per la customer care usando Keras e Tensorflow
Generare del nuovo testo in stile Dante Alighieri usando le Reti Neurali Ricorrenti con Keras e Tensorflow.Nella prima sezione del corso vedremo come estrarre il testo da diverse tipologie di file come file TXT, CSV, PDF e file Word, in seguito impareremo come eseguire lo scraping di una pagina web usando BeautifulSoup.
Vedremo in sintesi il funzionamento delle espressioni regolari e come possiamo sfruttarle nel Natural Language Processing.
La terza sezione è interamente dedicata alle tecniche di preprocessing del corso: estrazione dei tokens, rimozione dello stopwords e stemming e lemmatizzazione, che ci permettono di ottenere la radice di una parola in modo da ridurre la dimensione del nostro dizionario, in questa sezione useremo le due più popolari librerie Python per il Natural Language Processing:
NLTK (Natural Language Toolkit): storica libreria Python con moltissime funzioni.
Spacy: una libreria più recente sviluppata per essere utilizzata a livello industriale.Continueremo il corso con i due principali modelli per l'encoding di documenti di testo, il modello Bag of Words e il TF*IDF, impareremo ad implementarli da zero, usando soltanto Numpy, una libreria Python per il calcolo scientifico. Unit (GRU)Come esercizio pratico...
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Estrarre testo da file TXT, CSV, PDF e DOC,Estrarre testo da pagine web con BeautifulSoup,Usare NLTK e Spacy per preprocessare documenti di testo,Eseguire lo stemming e la lemmatizzazione su un documento di testo,Codificare il testo con il Bag of Words e il TF*IDF,Classificare documenti di testo usando Scikit-Learn,Eseguire l'Analisi del Sentiment con NLTK,Eseguire il Topic Modelling usando Scikit-learn e Gensim,Creare Chatbot usando Keras e Tensorflow,Funzionamento delle Reti Neurali Ricorrenti,Creare architetture LSTM con Keras e Tensorflow
Conoscere la lingua italiana,Basi di matematica da scuola superiore,Conoscere un qualsiasi linguaggio di programmazione pu\u00f2 aiutare ma non è indispensabile
Natural Language Processing con Python: il Corso Pratico
Opinioni
-
Il corso procede con efficace gradualità, dalle basi a concetti più complessi e strutturati. Consigliato.
← | →
-
Il corso è completo e soddisfacente. Supera per qualità i corsi universitari che ho seguito sui medesimi temi.
← | →
-
Ha soddisfatto i miei bisogni.
← | →
Valutazione del corso
Lo consiglia
Valutazione del Centro
Nico Spina
Antonino Barbera
Marco Ettocarpi
Giuseppe Laruina
Matteo Bertolino
Successi del Centro
Tutti i corsi devono essere aggiornati
La media delle valutazioni dev'essere superiore a 3,7
Più di 50 opinioni degli ultimi 12 mesi
4 anni del centro in Emagister.
Materie
- Reti
- Python
- Reti neurali
- Librería
- E-learning
- Web master
- Word 2007
Programma
Introduzione al Natural Language Processing
Come usare Google Colaboratory
Prima di cominciare
Operare sulle stringhe con Python
Estrarre testo da file TXT
Estrarre testo da file PDF
Estrarre testo da file Docx
Estrarre testo da file HTML
Estrarre testo da pagine Web
Estrarre testo da file CSV
Approfondimenti e riferimenti
Introduzione alle Espressioni Regolari
Espressioni regolari per cercare pattern in Python
Espressioni regolari per cercare pattern multipli in Python
Espressioni regolari per rimuovere pattern in Python
Approfondimenti e riferimenti
La Tokenizzazione
Tokenizzazione con Python e NLTK
Le Stop Words
Rimozione delle Stop Words con Python e NLTK
Lo Stemming
Stemming in Python e NLTK con il Porter Stemmer
Stemming in Python e NLTK con lo Snowball Stemmer
Stemming in Python e NLTK con il Lancaster Stemmer
La Lemmatizzazione
Lemmatizzazione con Python e NLTK
Introduzione a Spacy
Preprocessing di testo inglese con Spacy
Preprocessing di testo italiano con Spacy
Approfondimenti e riferimenti
Il modello Bag of Words
Bag of Words con Python e Numpy
Il modello TF*IDF
TF*IDF con Python e Numpy
Approfondimenti e riferimenti
Part of Speech Tagging
POS con Python e NLTK
POS con Python e Spacy
Named Entity Recognition
NER con Spacy di un documento inglese
NER con Spacy di un documento italiano
Correzione delle entità
Visualizzare le entità con Displacy
Approfondimenti e riferimenti
Introduzione alla Sentiment Analysis
Usare il modello VADER con NLTK
Analisi del sentiment di recensioni con NLTK
Introduzione al Machine Learning
[OPZIONALE] La Regressione Lineare e Logistica
[OPZIONALE] L'algoritmo Gradient Descent
Introduzione all'IMDB Movie Reviews Dataset
Preprocessing del corpus di testo
Regressione Logistica con scikit-learn
Correggere l'Overfitting con la regolarizzazione
Testiamo il modello su nuove recensioni
Preprocessing del corpus con NLTK
Classificatore Bayesiano con NLTK
Approfondimenti e riferimenti
Introduzione al Topic Modelling
Il modello Latent Dirichlet Allocation
Introduzione al New York Times Articles Dataset e alle API di Kaggle
Preprocessing del New York Times Articles Dataset
Creazione del modello LDA con scikit-learn
Esplorazione dei Topic
Testiamo il modello LDA su nuovi articoli
Rappresentazione grafica del modello LDA con scikit-learn
Introduzione e installazione di Gensim
Preprocessing dell'ABC Headlines Dataset con Gensim
Creazione del modello LDA con Gensim
Rappresentazione grafica del modello LDA con Gensim
Approfondimenti e riferimenti
Introduzione al Deep Learning
[OPZIONALE] Funzionamento delle Reti Neurali Artificiali
[OPZIONALE] L'algoritmo Backpropagation
Installazione di Keras e Tensorflow
Preprocessare il corpus del Chatbot
Addestrare la Rete Neurale Artificiale
Creare il Chatbot
Approfondimenti e riferimenti
Limiti del Bag of Words
Introduzione al Word Embedding
Caricare l'IMDB Dataset con Keras
Preprocessare l'IMDB Dataset
Creare uno strato di Embedding
Ottenere i Word Vectors
Il modello Word2Vec
Importare il modello Word2Vec con Gensim
Introduzione al modello GloVe
Preparazione della matrice dei pesi
Usare il modello Glove con Keras
Ulteriori informazioni
Cosa include il prezzo totale del corso?
Comunicazione diretta col docente, accesso a vita, ampliamenti e aggiornamenti inclusi, rimborso entro 30 giorni.
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Natural Language Processing con Python: il Corso Pratico