Придбаний Инструменты обработки естественного языка в Python [Udemy] [Джесси Э. Фармерс]

[Gadzhi]

• .

Инструменты обработки естественного языка в Python
Изучите более 15+ инструментов, включая TextBlob, NLTK, Spacy, Flair, для выполнения проектов NLP
Автор: Джесси Э. Фармерс



Субтитры: Русский, Английский [Авто]
Язык: Английский

Чему вы научитесь

• Понять концепции обработки естественного языка и их реализацию в коде
• Изучите инструменты для извлечения данных из текстовых файлов, PDF, API и т. Д.
• Очистка и предварительная обработка текста для проектов НЛП
• Стилометрия в Python
• Анализ настроений с помощью TextBlob, Vader, Flair, машинного обучения и др.
• Извлечение ключевых слов с помощью Yake, Rake, Textrank и Spacy
• Создавайте приложения NLP, например редактирование документов, классификацию текста, анализ тональности, стилометрию, указание автора и т. Д.
• Изучите различные инструменты, используемые в сквозном проекте НЛП
• NLP с Spacy, Flair, TextBlob, NLTK и т. Д.

Описание

Вы знаете, что в мире существует более 7000 человеческих языков? Возможно ли вообще дать машинам и компьютерам возможность понимать и обрабатывать эти человеческие языки? В этом курсе мы будем изучать концепцию и инструменты для обработки человеческого (естественного) языка в Python.

Следовательно, если вас интересуют проекты обработки естественного языка и вам интересно, как работает анализ тональности, классификация текста, резюмирование и несколько задач НЛП? Тогда этот курс для вас.

Обработка естественного языка - захватывающая область науки о данных, но есть много вещей, которым нужно научиться, чтобы не отставать. Новые концепции и инструменты появляются каждый день. Так как же ты успеваешь?

В этом курсе « Потрясающие инструменты обработки естественного языка в Python» мы познакомим вас с более чем 15+ инструментами, которые вам необходимо знать при выполнении проекта НЛП в формате рабочего процесса.

Инструменты и технологии постоянно меняются, но рабочие процессы и системы остаются на долгое время, поэтому мы сосредоточимся на рабочем процессе и инструментах, необходимых для каждого из них. Курс подходит к обработке естественного языка с точки зрения использования рабочего процесса или простого жизненного цикла проекта НЛП.

По окончании этого увлекательного курса вы сможете:

• Получение текстовых данных из большинства документов (docx, txt, pdf, csv), веб-сайтов и т. Д.
  
  
• Очистите и предварительно обработайте неструктурированные текстовые данные с помощью нескольких инструментов, таких как NeatText, Ftfy, Regex и т. Д.
  
  
• Понять, как работает токенизация и почему токенизация важна в NLP
  
  
• Выполните стилометрию в Python для идентификации и проверки авторов
  
  
• НЛП с помощью Spacy, TextBlob, Flair и NLTK
  
  
• Узнайте, как выполнять классификацию текста с помощью машинного обучения, трансформаторов, TextBlob, Flair и т. Д.
  
  
• Создайте отличные приложения для НЛП с помощью Streamlit
  
  
• Выполните анализ настроений с нуля и с помощью нескольких пакетов НЛП
  
  
• Создание функций из текстовых данных - Word2Vec, FastText, Tfidf
  
  
• И многое другое

Этот всеобъемлющий курс фокусируется не только на различных инструментах, которые могут быть полезны на каждом этапе сквозного проекта НЛП, но также на том, как они работают и как создавать простые функции с нуля для вашей задачи.

Советы по прохождению курса

• Пожалуйста, пишите или кодируйте вместе с нами, не просто смотрите, это улучшит ваше понимание.
  
  
• Вы можете регулировать скорость и звук видео по своему усмотрению, предпочтительно на -0,75x, если скорость для вас слишком высока.
  
  
• Предлагаемые предварительные условия - понимание Python.
  
  
• Этот курс НЕ является « Теоретическим введением в НЛП» или «Продвинутыми концепциями в НЛП», хотя мы изо всех сил стараемся охватить некоторые концепции для новичков и профессионалов. Скорее, речь идет об инструментах, используемых для рабочего процесса проекта НЛП.

Материалы курса
• Общая продолжительность 23 ч 36 мин

Спойлер: Информация

• Предпросмотр05:26
• Что такое обработка естественного языка (NLP)
  04:10
• Предпросмотр03:18
• Самые популярные библиотеки и пакеты НЛП
  01:59
• Предпросмотр02:52
• Проблемы обработки естественного языка
  03:33
• Двусмысленность текста и языка
  03:38
• Анатомия текста
  03:26
• Ремесленные инструменты, монтажные и учебные материалы
  06:13

• 
  
  
  • Получение текстовых данных - Введение
    00:35
  • Предпросмотр13:34
  • Получение текстовых данных - использование запросов и Beautiful Soup для веб-сканирования
    22:17
  • Получение текстовых данных - поиск статей в Интернете с помощью NewsPaper3k
    13:27
  • Получение текстовых данных - Работа с Википедией
    13:27
  • Получение текстовых данных - Получение нескольких статей
    07:06
  • Получение текстовых данных - чтение текста из PDF
    03:37
  • Получение текстовых данных - чтение текста из PDF - с использованием pyPDF2
    05:07
  • Получение текстовых данных - чтение текста из PDF - использование PDFplumber
    03:44
  • Получение текстовых данных - чтение текста из текстового файла
    01:55

• Предпросмотр03:00
• Очистка текста с помощью NeatText - ускоренный курс
  43:00
• Очистка текста с помощью чистого Python с использованием строк
  27:41
• Очистка текста и предварительная обработка строк - задача
  06:42
• Очистка текста и предварительная обработка с Texthero
  31:52
• Токенизация - что такое токенизация
  04:59
• Токенизация - почему токенизация важна в НЛП?
  04:51
• Токенизация - как осуществляется токенизация и типы токенизации
  02:07
• Токенизация - Использование чистого Python и NLTK
  21:24
• Токенизация - Использование Spacy против NLTK
  10:11
• Токенизация - токенизация твитов с помощью случайного токенизатора
  06:28
• Токенизация - Токенизация предложения
  07:47
• Токенизация в Tensorflow
  23:34
• Стебли - возникновение с нуля
  10:09
• Стемминг - Использование специальной логики
  04:55
• Стемминг - Использование NLTK
  06:14

• 
  
  
  • Предпросмотр04:46
  • Анализ текста - подготовка данных (проект атрибуции автора)
    14:50
  • Анализ текста - подготовка данных (данные небиблейских авторов)
    07:04
  • Анализ текста - количество слов и частота слов
    13:46
  • Анализ текста - график частоты встречаемости слов
    06:28
  • Анализ текста - график частоты встречаемости слов - часть 2
    02:28
  • Анализ текста - лексическая сложность текста
    01:51
  • Анализ текста - лексическая насыщенность и удобочитаемость
    18:29
  • Стилометры в Python - Введение
    00:51
  • Стилометрия - распределение длины слов и кривая Мендал-Холла
    15:40
  • Стилометрия - подзаголовок для сравнения двух авторов (идентификация автора)
    09:07
  • Стилометрия в Python - проверка автора
    03:25

• Построение элементов из текста - Введение
  04:15
• Как слова представлены в НЛП
  02:16
• Построение элементов из текста - мешок слов
  08:01
• Создание функций из текста - одна горячая кодировка
  15:42
• Построение функций из текста - Word Count / CountVectorizer
  12:27
• Создание элементов из текста - ускоренный курс "Инструменты для проектирования элементов"
  01:23:26
• Вложения слов - Gensim Word2Vec (Skipgram / CBOW) и FastText,
  40:54

• 
  
  
  • НЛП с TextBlob - Введение и обзор API
    01:50
  • НЛП с TextBlob - Токенизация Word
    07:37
  • НЛП с TextBlob - пользовательский токенизатор
    02:00
  • НЛП с TextBlob - Части речевых тегов
    06:37
  • НЛП с TextBlob - анализ настроений и чистый Python для анализа настроений
    22:55

• Предпросмотр04:09
• НЛП с чутьем - введение и токенизация с помощью чутья
  16:45
• НЛП с чутьем - маркировка последовательностей, текстовая аннотация
  12:08
• НЛП с чутьем - часть речевых тегов
  09:50
• НЛП с чутьем - признание именованных сущностей
  09:18
• НЛП с чутьем - Использование нескольких тегеров
  03:54
• НЛП с чутьем - обнаружение семантических кадров для устранения смысловой неоднозначности
  06:36
• НЛП с чутьем - анализ настроений с чутьем
  06:59
• НЛП с чутьем - классификация текстов с чутьем
  42:11

• 
  
  
  • Что такое тематическое моделирование?
    04:42
  • Тематическое моделирование в НЛП - Обзор Gensim
    02:12
  • Тематическое моделирование в НЛП - рабочий процесс и основные термины
    03:21
  • Тематическое моделирование в НЛП - Введение и токенизация с помощью Gensim
    09:12
  • Тематическое моделирование в НЛП - Gensim: создание словаря
    10:34
  • Тематическое моделирование в НЛП - Gensim: создание пакета слов
    16:18
  • Тематическое моделирование в НЛП - Gensim: использование модели TFIDF
    08:36
  • Тематическое моделирование в НЛП - Gensim: использование модели LDA для определения тем
    09:38

• Что такое суммирование текста?
  03:55
• Оценка качества текстового резюме
  04:42
• Библиотеки для обобщения текста
  02:25
• Предпросмотр13:27
• Обобщение текста - абстрактное обобщение с помощью преобразователей
  13:49
• Оценка абстрактного и экстрактивного обобщения текста с помощью Rouge
  28:23

• 
  
  
  • Визуализация текста - 5+ методов визуализации текста
    01:23:27

• Введение в классификацию текста
  04:19
• Классификация текста с машинным обучением с использованием Scikit-Learn
  01:20:14
• Классификация текста с несколькими метками и несколькими классами
  06:20
• Классификация текста с несколькими метками с использованием Scikit-Multi-Learn
  38:25
• Классификация текста с помощью простых преобразователей - Подготовка данных
  20:30
• Классификация текста с помощью простых преобразователей
  21:13
• Классификация текста с помощью TextBlob
  16:18

• 
  
  
  • Проект 01 - Анализ настроений
    50:24
  • Проект 02 - приложение NLP для извлечения ключевых слов - демонстрация
    05:07
  • Проект 02 - Приложение NLP для извлечения ключевых слов
    01:18:50
  • Проект 03 - Приложение Text Visualizer NLP - Демо
    04:38
  • Проект 03 - приложение NLP для визуализации текста с Streamlit - построение структуры
    28:19
  • Проект 03 - Приложение Text Visualizer NLP с Streamlit - Добавление функций
    39:16
  • Предпросмотр01:37
  • Проект 04 - Приложение НЛП для анализа текста с Streamlit
    53:42

Для кого этот курс:

• Начинающие разработчики Python, интересующиеся обработкой естественного языка
• Специалист по данным и разработчики
• Судебная лингвистика
• Всем, кто интересуется НЛП и анализом текста

https://www.udemy.com/course/awesome-natural-language-processing-tools-in-python/