Corso Online: Natural Language Processing con Python
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
-
Livello
Livello base
-
Metodologia
Online
-
Ore di lezione
14h
-
Durata
Flessible
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.
Informazioni importanti
Prezzo per gli utenti Emagister: Prezzo con promozione 29,90 euro
Profilo del corso
In questo corso apprenderemo i segreti del Natural Language Processing e impareremo ad utilizzarlo su problemi reali come, ad esempio, eseguire l’analisi del sentiment su recensioni di film usando scikit-learn, raggruppare automaticamente articoli di giornale in base allargomento usando Gensim, creare un Chatbot per la customer care usando Keras e Tensorflow, generare del nuovo testo in stile Dante Alighieri usando come corpus di testo l’intera Divina Commediale e le Reti Neurali ricorrenti con Keras e Tensorflow.
Concluderemo il corso con una serie di consigli, letture ed esercizi per poter continuare la nostra avventura nel Natural Language Processing.
Il corso è rivolto a tutti coloro i quali hanno curiosità sul tema o vogliono approfondire meglio questo argomento con spunti e strategie pratiche.
A termine del corso sarà possibile scaricare un certificato di frequenza personalizzato.
Da oltre 10 anni IGEA è attiva con ottimi risultati nella formazione. I corsi di formazione di IGEA si caratterizzano per l'alta qualità dei contenuti e della formazione, risultato di una attento processo di selezione dei docenti e di cura nella realizzazione dei contenuti. I corsi online di IGEA sono disponibili per sempre e l'allievo può seguire le lezioni per innumerevoli volte, anche a distanza di tempo. La formazione di IGEA, anche online, è mirata al SAPER FARE, con l'obiettivo finale di accrescere le competenze degli allievi, spendibili subito professionalmente.
Subito dopo aver ricevuto la tua richiesta la segreteria di IGEA ti contatterà per rispondere a tutte le tue domande e guidarti nella procedura di iscrizione e di pagamento.
Opinioni
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
14 anni del centro in Emagister.
Materie
- Python
- Natural language processing
- Programmazione
- Informatica e tecnologia
- Reti neurali
Professori
IGEA Centro Promozione Salute
Formazione
Programma
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
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Corso Online: Natural Language Processing con Python