Corso Online: Natural Language Processing con Python

Cap.01 Introduzione

• Lezione 1.1 Introduzione al Natural Language Processing | 06:51 minuti
• Lezione 1.2 Come usare Google Colaboratory | 07:41 minuti

Cap.02 Estrazione del Testo

• Lezione 2.1 Operare sulle stringhe con Python | 13:59 minuti
• Lezione 2.2 Estrarre testo da file TXT | 16:53 minuti
• Lezione 2.3 Estrarre testo da file PDF | 09:58 minuti
• Lezione 2.4 Estrarre testo da file Word | 05:40 minuti
• Lezione 2.5 Estrarre testo da pagine HTML | 12:13 minuti
• Lezione 2.6 Estrarre testo da pagine Web | 05:11 minuti
• Lezione 2.7 Estrarre testo da file CSV | 12:29 minuti

Cap.03 Le Espressioni Regolari

• Lezione 3.1 Introduzione alle Espressioni Regolari | 03:07 minuti
• Lezione 3.2 Espressioni regolari per cercare pattern in Python | 07:54 minuti
• Lezione 3.3 Espressioni regolari per cercare pattern multipli in Python | 07:21 minuti
• Lezione 3.4 Espressioni regolari per rimuovere pattern in Python | 04:46 minuti

Cap.04 Preprocessing del Testo

• Lezione 4.1 La Tokenizzazione | 03:12 minuti
• Lezione 4.2 Tokenizzazione con Python e NLTK | 08:16 minuti
• Lezione 4.3 Le Stop Words | 02:21 minuti
• Lezione 4.4 Rimozione delle Stop Words con Python e NLTK | 08:13 minuti
• Lezione 4.5 Lo Stemming | 02:00 minuti
• Lezione 4.6 Stemming in Python e NLTK con il Porter Stemmer | 05:18 minuti
• Lezione 4.7 Stemming in Python e NLTK con lo Snowball Stemmer | 04:20 minuti
• Lezione 4.8 Stemming in Python e NLTK con il Lancaster Stemmer | 02:13 minuti
• Lezione 4.9 La Lemmatizzazione | 02:50 minuti
• Lezione 4.10 La Lemmatizzazione di un testo con NLTK | 08:40 minuti
• Lezione 4.11 Introduzione a Spacy | 01:42 minuti
• Lezione 4.12 Preprocessing di testo inglese con Spacy | 13:10 minuti
• Lezione 4.13 Preprocessing di testo italiano con Spacy | 05:36 minuti

Cap.05 Codifica del Testo

• Lezione 5.1 Il modello Bag of Words | 03:19 minuti
• Lezione 5.2 Bag of Words con Python e Numpy | 18:26 minuti
• Lezione 5.3 Il modello TFIDF | 05:22 minuti
• Lezione 5.4 TFIDF con Python e Numpy | 14:01 minuti

Cap.06 Analisi del Testo

• Lezione 6.1 Part of Speech Tagging | 05:50 minuti
• Lezione 6.2 POS con Python e NLTK | 08:29 minuti
• Lezione 6.3 POS con Python e Spacy | 07:20 minuti
• Lezione 6.4 Named Entity Recognition | 02:55 minuti
• Lezione 6.5 NER con Spacy di un documento inglese | 07:19 minuti
• Lezione 6.6 NER con Spacy di un documento italiano | 03:48 minuti
• Lezione 6.7 Correzione delle entita? | 07:38 minuti
• Lezione 6.8 Visualizzare le entita? con Displacy | 01:27 minuti

Cap.07 Analisi del Sentiment

• Lezione 7.1 Introduzione alla Sentiment Analysis | 08:33 minuti
• Lezione 7.2 Usare il modello VADER con NLTK | 06:13 minuti
• Lezione 7.3 Analisi del sentiment di recensioni con NLTK | 10:50 minuti
• Lezione 7.4 Introduzione al Machine Learning | 14:59 minuti
• Lezione 7.5 [OPZIONALE] La Regressione Lineare e Logistica | 14:29 minuti
• Lezione 7.6 [OPZIONALE] L'algoritmo Gradient Descent | 07:53 minuti
• Lezione 7.7 Introduzione all'IMDB Movie Reviews Dataset | 03:17 minuti
• Lezione 7.8 Preprocessing del corpus di testo | 14:09 minuti
• Lezione 7.9 Regressione Logistica con scikit-learn | 05:23 minuti
• Lezione 7.10 Correggere l'Overfitting con la regolarizzazione | 01:58 minuti
• Lezione 7.11 Testiamo il modello su nuove recensioni | 02:09 minuti
• Lezione 7.12 Preprocessing del corpus con NLTK | 11:22 minuti
• Lezione 7.13 Classificatore Bayesiano con NLTK | 05:50 minuti

Cap.08 Topic Modelling

• Lezione 8.1 Introduzione al Topic Modelling | 03:00 minuti
• Lezione 8.2 Il modello Latent Dirichlet Allocation | 06:48 minuti
• Lezione 8.3 Introduzione al New York Times Articles Dataset e alle API di Kaggle | 05:20 minuti
• Lezione 8.4 Preprocessing del New York Times Articles Dataset | 07:22 minuti
• Lezione 8.5 Creazione del modello LDA con scikit-learn | 08:35 minuti
• Lezione 8.6 Esplorazione dei Topic | 04:13 minuti
• Lezione 8.7 Testiamo il modello LDA su nuovi articoli | 05:00 minuti
• Lezione 8.8 Rappresentazione grafica del modello LDA con scikit-learn | 05:18 minuti
• Lezione 8.9 Introduzione e installazione di Gensim | 01:33 minuti
• Lezione 8.10 Preprocessing dell'ABC Headlines Dataset con Gensim | 11:54 minuti
• Lezione 8.11 Creazione del modello LDA con Gensim | 04:05 minuti
• Lezione 8.12 Rappresentazione grafica del modello LDA con Gensim | 03:37 minuti

Cap.09 Deep Learning e Chatbot

• Lezione 9.1 Introduzione al Deep Learning | 09:59 minuti
• Lezione 9.2 [OPZIONALE] Funzionamento delle Reti Neurali Artificiali | 12:50 minuti
• Lezione 9.3 [OPZIONALE] L'algoritmo Backpropagation | 12:32 minuti
• Lezione 9.4 Installazione di Keras e Tensorflow | 06:46 minuti
• Lezione 9.5 Preprocessare il corpus del Chatbot | 15:31 minuti
• Lezione 9.6 Addestrare la Rete Neurale Artificiale | 06:12 minuti
• Lezione 9.7 Creare il Chatbot | 12:55 minuti

Cap.10 Word Embedding e Word2Vec

• Lezione 10.1 Limiti del Bag of Words | 04:04 minuti
• Lezione 10.2 Introduzione al Word Embedding | 11:12 minuti
• Lezione 10.3 Caricare l'IMDB Dataset con Keras | 10:52 minuti
• Lezione 10.4 Preprocessare l'IMDB Dataset | 05:29 minuti
• Lezione 10.5 Creare uno strato di Embedding | 07:57 minuti
• Lezione 10.6 Ottenere i Word Vectors | 06:20 minuti
• Lezione 10.7 Il modello Word2Vec | 04:41 minuti
• Lezione 10.8 Importare il modello Word2Vec con Gensim | 09:17 minuti
• Lezione 10.9 Introduzione al modello GloVe | 02:00 minuti
• Lezione 10.10 Preparazione della matrice dei pesi | 16:45 minuti
• Lezione 10.11 Usare il modello Glove con Keras | 03:50 minuti

Cap.11 Reti Ricorrenti e Text Generation

• Lezione 11.1 Vantaggi dei modelli sequenziali nel NLP | 02:43 minuti
• Lezione 11.2 Introduzione alle Reti Neurali Ricorrenti | 13:08 minuti
• Lezione 11.3 Limiti delle Reti Ricorrenti | 05:57 minuti
• Lezione 11.4 Reti Long short-term memory | 07:15 minuti
• Lezione 11.5 [OPZIONALE] Matematica delle reti LSTM | 06:25 minuti
• Lezione 11.6 Reti Gated Recurrent Unit (GRU) | 03:54 minuti
• Lezione 11.7 Generare testo in stile Dante Alighieri | 03:06 minuti
• Lezione 11.8 Preprocessing della Divina Commedia | 14:19 minuti
• Lezione 11.9 Creazione di features e targets | 07:23 minuti
• Lezione 11.10 Creare la Rete Neurale Ricorrente | 04:21 minuti
• Lezione 11.11 Definire la funzione per la Generazione del Testo | 08:38 minuti
• Lezione 11.12 Addestrare la Rete Neurale Ricorrente | 05:44 minuti
• Lezione 11.13 Importare la rete pre-addestrata | 03:42 minuti
• Lezione 11.14 Chattiamo con Dante Alighieri | 04:21 minuti

Cap.12 Conclusione

• Lezione 12.1 I Tuoi Prossimi Passi | 06:07 minuti