Natural Languange Processing with Python

Acest curs de Procesarea Limbajului Natural (NLP) oferă o introducere cuprinzătoare în tehnicile și conceptele cheie ale NLP, ajutându-i pe participanți să dezvolte competențe esențiale în domeniu. Cursul explorează metode de prelucrare a textului, reprezentarea cuvintelor, analiza gramaticală și aplicarea algoritmilor de învățare automată și învățare profundă în diverse sarcini NLP, cum ar fi analiza sentimentelor, clasificarea textelor și traducerea automată. Participanții vor învăța, de asemenea, despre modele pre-antrenate, precum BERT și familia GPT, și cum să le folosească pentru a construi aplicații NLP avansate.

Cursul combină teoria cu aplicarea practică, folosind limbajul de programare Python și biblioteci populare de NLP și învățare automată, precum NLTK, spaCy, TensorFlow și PyTorch. Pe parcursul cursului, studenții vor participa la exerciții practice și vor lucra la proiecte pentru a-și consolida înțelegerea și a dobândi experiență practică în NLP.

Cui i se adresează?

Cui i se adresează?

• Studenți și cercetători interesați de inteligența artificială, învățare automată și procesarea limbajului natural.
• Dezvoltatori de software și ingineri care doresc să își extindă abilitățile în domeniul NLP și să construiască aplicații bazate pe înțelegerea și generarea textului.
• Specialiști în analiza datelor și data scientists care doresc să integreze analiza textului în proiectele și modelele lor analitice.
• Profesioniști din domeniul inteligenței artificiale și învățării automate care vor să se specializeze în NLP pentru a se menține competitivi în carieră.
• Întreprinzători și manageri de produs care doresc să exploreze oportunitățile de afaceri și inovațiile legate de NLP în diferite industrii.

Ce vei învăța?

Ce vei învăța?

• Istoria, aplicațiile și importanța procesării limbajului natural (NLP).
• Tehnicile de prelucrare a textului, cum ar fi tokenizarea, rădăcinarea și lematizarea, și modul în care acestea sunt utilizate pentru a pregăti datele pentru analiză.
• Diferitele metode de reprezentare a cuvintelor în contextul NLP, inclusiv one-hot encoding, Bag-of-Words (BoW), TF-IDF și încorporări de cuvinte (Word Embeddings).
• Cum să aplice în practică prelucrarea textului utilizând Python și biblioteci NLP.
• Sintaxa și analiza gramaticală, inclusiv parsarea constituțională/dependentă și etichetarea părților de vorbire (POS) și recunoașterea numelor de entități (NER).
• Tehnicile de analiză a sentimentelor și clasificare a textelor, împreună cu strategiile de selecție a caracteristicilor relevante.
• Cum să efectueze analiza sentimentelor utilizând algoritmi de învățare automată și învățare profundă (deep learning).
• Modelele Seq2Seq și conceptele cheie asociate, cum ar fi Encoder-Decoder și mecanismul de atenție, precum și domeniile de aplicare relevante.
• Modelele pre-antrenate, cum ar fi BERT și familia GPT (inclusiv ChatGPT), și cum pot fi folosite în problemele de NLP.
• Metodele de evaluare a performanței modelelor NLP, provocările din domeniu și direcțiile viitoare în dezvoltarea NLP.

Cerințe preliminare:

Cerințe preliminare:

  • Abilități de bază în programare (familiaritate cu Python), înțelegerea fundamentală a tehnicilor de învățare automată, experiență cu bibliotecile ML în Python, cunoștințe de bază în Deep Learning.

Agenda cursului:

Materialele de curs sunt în limba Engleză. Predarea se face în limba Română.

Agenda cursului:

Materialele de curs sunt în limba Engleză. Predarea se face în limba Română.

• Introducere în NLP: Istorie, aplicații și semnificație.
• Prelucrarea textului: Tokenizare, rădăcină, lematizare, etc.
• Reprezentarea cuvintelor: One-hot, BoW, TF-IDF, Word Embeddings.
• Aplicație practică: Prelucrarea textului folosind Python și biblioteci NLP.
• Sintaxă și analiză gramaticală: Parsare constituțională/dependentă, etichetare POS, NER.
• Analiza sentimentelor/Clasificarea textelor: Tehnici și selecția caracteristicilor.
• Aplicație practică: Analiza sentimentelor cu algoritmi ML și învățare profundă.
• Modele Seq2Seq: Encoder-Decoder, mecanism de atenție, aplicații.
• Modele pre-antrenate: BERT, familia GPT (inclusiv ChatGPT).
• Metrice de evaluare, provocări și direcții viitoare în NLP.

Recomandăm să continui cu:

Recomandăm să continui cu:

Nu sunt recomandări în acest moment.

Programe de certificare

Programe de certificare

În urma acestui curs, veți primi un certificat de absolvire.

Natural Languange Processing with Python

Detalii curs

Durată

2
zile

Preț

840 EUR

Modalități de livrare

Predare în clasă, Clasă hibridă, Clasă virtuală

Nivel de specializare

2. Intermediate

Roluri asociate

AI Engineer, Data Analyst, Data Scientist, Developer