[Повтор]Машинное обучение с Python + Big Data - (Курс 4 из 17)
Phyrshtadskaya4k, ты можешь записаться в эту складчину и получить инфопродукт сразу после оплаты, никого не дожидаясь.
---
Формат: Видео
Продолжительность: ~ 01:57
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 21 видео лекции
[B
Введение и план обучения[/B]]Добро пожаловать в сферу обработки данных и лёгкой обработке естественного языка.
Обработка естественного языка, или, как его часто сокращают, ОЕЯ – используемая в программировании и математике методика, направленная на решение языково-ориентированных задач. Если вы используете Windows или Iowa, то, вероятно, ОЕЯ находится у вас перед глазами. Cortana и аналогичные приложения воспринимают вашу речь и преобразовывает её в форму, которую можно обработать программными методами. Так что основное, о чём я хочу рассказать в этой лекции, - это практическая применимость ОЕЯ. Этот курс будет разбит на несколько разделов, основываясь на различных практических задачах, которые вы можете решить благодаря ОЕЯ. Итак, вот чем мы займёмся в этом курсе.
Прежде, чем начнём что-либо создавать, мы пройдём краткое изложение широкого круга приложений, некоторые из которых мы рассмотрим, а некоторые – нет, но знать о которых всё же желательно.
Далее мы разберёмся, как создать собственный спам-детектор. Такой есть в вашей электронной почте, так что тема эта очень полезная и долгое время была предметом изучения.
Затем мы рассмотрим анализ настроений и создадим собственный анализатор настроений, благодаря которому компьютер сможет оценить, насколько положительно или отрицательно окрашен введённый текст, основываясь на используемых словах и фразах. Всё это связано с практической деятельностью – так, некоторые люди анализировали твиттер, чтобы определить, будут ли цены на акции двигаться вверх или вниз.
После этого мы рассмотрим библиотеку NLTK. Это очень популярная библиотека, способная решить множество фундаментальных вопросов ОЕЯ. Вы можете использовать её вместе с другими библиотеками при анализе данных.
Далее мы рассмотрим скрытый семантический анализ. Он в основном помогает уменьшить размеры текста и решить проблему восприятия двух слов, имеющих одинаковое значение. Он также помогает нам интерпретировать наши данные и экономит вычислительное время.
Наконец, мы рассмотрим одно из популярнейших приложений для ОЕЯ – Article spinner. Оно очень полезно для интернет-маркетологов и предпринимателей, поскольку, как вы знаете, и поисковая система Google, и другие поисковые системы крайне отрицательно относятся к ситуации, когда дублируется один и тот же контент. Будет здорово, если вы сможете достаточно сильно изменить статью, чтобы разместить её на двух разных ресурсах Интернета, не подвергаясь при этом наказанию от Google.
С радостью сообщаю, что по вашей просьбе математики здесь совсем не будет, лишь основные понятия теории вероятности в некоторых местах. Если она и встречается, то только для удовлетворения вашего любопытства, но она совершенно необязательна при написании кода – конечно, если вы этого хотите. Поскольку ОЕЯ в основном относится к сфере программирования, я построил этот курс таким образом, чтобы в нём требовалось гораздо меньше математики, чем в других моих курсах, таких как углублённое изучение и нейронные сети.
Учебный план
Приложение
Вы также можете изучить на русском языке следующие курсы этого автора:
Другие курсы
Deep Learning Prerequisites: Linear Regression in Python
Deep Learning Prerequisites: Logistic Regression in Python
Data Science: Deep Learning in Python
Easy Natural Language Processing (NLP) in Python
Data Science: Practical Deep Learning in Theano + TensorFlow
Data Analytics: SQL for newbs, beginners and marketers
Deep Learning: Convolutional Neural Networks in Python
Cluster Analysis and Unsupervised Machine Learning in Python
Глубокое обучение без учителя на языке Python
Машинное обучение без учителя: скрытые марковские модели на языке Python
Глубокое обучение: рекуррентные нейронные сети на языке Python
Обработка естественного языка с помощью глубокого обучения на языке Python
Источник
Код:
Phyrshtadskaya4k, ты можешь записаться в эту складчину и получить инфопродукт сразу после оплаты, никого не дожидаясь.
---
Easy Natural Language Processing (NLP) in Python
Автор: Lazy Programmer Inc.
Формат: Видео
Продолжительность: ~ 01:57
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 21 видео лекции
[B
Введение и план обучения[/B]]Добро пожаловать в сферу обработки данных и лёгкой обработке естественного языка.
Обработка естественного языка, или, как его часто сокращают, ОЕЯ – используемая в программировании и математике методика, направленная на решение языково-ориентированных задач. Если вы используете Windows или Iowa, то, вероятно, ОЕЯ находится у вас перед глазами. Cortana и аналогичные приложения воспринимают вашу речь и преобразовывает её в форму, которую можно обработать программными методами. Так что основное, о чём я хочу рассказать в этой лекции, - это практическая применимость ОЕЯ. Этот курс будет разбит на несколько разделов, основываясь на различных практических задачах, которые вы можете решить благодаря ОЕЯ. Итак, вот чем мы займёмся в этом курсе.
Прежде, чем начнём что-либо создавать, мы пройдём краткое изложение широкого круга приложений, некоторые из которых мы рассмотрим, а некоторые – нет, но знать о которых всё же желательно.
Далее мы разберёмся, как создать собственный спам-детектор. Такой есть в вашей электронной почте, так что тема эта очень полезная и долгое время была предметом изучения.
Затем мы рассмотрим анализ настроений и создадим собственный анализатор настроений, благодаря которому компьютер сможет оценить, насколько положительно или отрицательно окрашен введённый текст, основываясь на используемых словах и фразах. Всё это связано с практической деятельностью – так, некоторые люди анализировали твиттер, чтобы определить, будут ли цены на акции двигаться вверх или вниз.
После этого мы рассмотрим библиотеку NLTK. Это очень популярная библиотека, способная решить множество фундаментальных вопросов ОЕЯ. Вы можете использовать её вместе с другими библиотеками при анализе данных.
Далее мы рассмотрим скрытый семантический анализ. Он в основном помогает уменьшить размеры текста и решить проблему восприятия двух слов, имеющих одинаковое значение. Он также помогает нам интерпретировать наши данные и экономит вычислительное время.
Наконец, мы рассмотрим одно из популярнейших приложений для ОЕЯ – Article spinner. Оно очень полезно для интернет-маркетологов и предпринимателей, поскольку, как вы знаете, и поисковая система Google, и другие поисковые системы крайне отрицательно относятся к ситуации, когда дублируется один и тот же контент. Будет здорово, если вы сможете достаточно сильно изменить статью, чтобы разместить её на двух разных ресурсах Интернета, не подвергаясь при этом наказанию от Google.
С радостью сообщаю, что по вашей просьбе математики здесь совсем не будет, лишь основные понятия теории вероятности в некоторых местах. Если она и встречается, то только для удовлетворения вашего любопытства, но она совершенно необязательна при написании кода – конечно, если вы этого хотите. Поскольку ОЕЯ в основном относится к сфере программирования, я построил этот курс таким образом, чтобы в нём требовалось гораздо меньше математики, чем в других моих курсах, таких как углублённое изучение и нейронные сети.
Учебный план
- Введение и план курса
- Приложения ОЕЯ
- Почему ОЕЯ сложна?
- Главное сообщение этого курса
- Создайте свой собственный детектор спама - описание данных
- Создайте свой собственный детектор спама - код
- Другие типы функций
- Описание анализатора настроений
- Анализ настроений на языке Python
- Исследование NLTK
- Исследование NLTK: маркировка POS
- Исследование NLTK: Стеммирование и лемматизация
- Исследование NLTK: распознавание объектов
- Скрытый семантический анализ. Что он делает?
- PCA и SVD - основная математика, лежащая в основе LSA
- Скрытый семантический анализ в Python
- Введение в статью
- Модель триграммы
- Написание article spinner в Python
- Как узнать больше об ОЯЕ?
Приложение
- Как установить Numpy, Scipy, Matplotlib, Pandas, IPython, Theano и TensorFlow?
https://cloud.mail.ru/public/5UgK/Y1f4inKBfВы также можете изучить на русском языке следующие курсы этого автора:
Другие курсы
Deep Learning Prerequisites: Linear Regression in Python
Deep Learning Prerequisites: Logistic Regression in Python
Data Science: Deep Learning in Python
Easy Natural Language Processing (NLP) in Python
Data Science: Practical Deep Learning in Theano + TensorFlow
Data Analytics: SQL for newbs, beginners and marketers
Deep Learning: Convolutional Neural Networks in Python
Cluster Analysis and Unsupervised Machine Learning in Python
Глубокое обучение без учителя на языке Python
Машинное обучение без учителя: скрытые марковские модели на языке Python
Глубокое обучение: рекуррентные нейронные сети на языке Python
Обработка естественного языка с помощью глубокого обучения на языке Python
Источник
Код: