Natural Language Processing für Data Science mit Python
Lerne Machine Learning, SpaCy, NLTK, SciKit-Learn, Deep Learning, und mehr für Natural Language Processing
Description
Willkommen zum Natural Language Processing Kurs! Dieser Kurs wurde als deine vollständige Online-Anleitung entworfen, um dir die Verwendung von Natural Language Processing mit der Programmiersprache Python zu erklären.
"Es wird alles sehr verständlich erklärt und die Stimme ist sehr angenehm." (★★★★★L. Lafleur)
Wir beginnen mit den Grundlagen, du wirst lernen wie man Text- und PDF-Dateien mit Python öffnet und damit arbeitet, und lernen wie man Regular Expressions verwendet, um nach benutzerdefinierten Mustern innerhalb von Textdateien zu suchen.
Danach sehen wir uns die Grundlagen von Natural Language Processing an. Dafür werden wir die Natural Language Toolkit Bibliothek für Python verwenden, sowie die neueste Version der SpaCy Bibliothek für schnelle Tokenisierung, Parsing, Entity Recognition und Lemmatisierung von Text.
Du wirst fundamentale NLP Konzepte verstehen, wie zum Beispiel Wortstammerkennung (Stemming), Lemmatisierung, Stopp-Wörter, Phrasenabgleich, Tokenisierung und mehr!
Danach schauen wir uns Part-of-Speech Tagging an, wobei deine Python Skripte in der Lage sein werden, Wörter im Text automatisch den zugehörigen Sprachbestandteilen (z.B. Nomen, Verben und Adjektive) zuzuordnen, was ein wesentlicher Bestandteil beim Erstellen intelligenter Sprachsysteme ist.
Wir werden auch mehr über Named Entity Recognition erfahren, was es deinem Code möglich macht, Konzepte wie Geld, Zeit, Unternehmen, Produkte und mehr zu verstehen, nur auf Basis der Textinformation.
Durch aktuellste Visualisierungs-Bibliotheken können wir diese Beziehungen in Echtzeit beobachten.
Dann werden wir dazu übergehen, Machine Learning mit Scikit-Learn zu verstehen, um Textklassifizierung auszuführen. Unter anderem werden wir die automatische Erstellung von Machine Learning Systemen behandeln, die positive von negativen Filmkritiken unterscheiden können, oder Spam von echten Emails.
Wir werden dieses Wissen weiter vertiefen und durch komplexere unüberwachte Lernmethoden für NLP, wie Themenmodellierung, wobei unsere Machine Learning Modelle Themen und grobe Konzepte aus rohen Textdaten herausarbeiten können.
Dieser Kurs deckt auch fortgeschrittene Themen ab, wie die Stimmungsanalyse von Text mit der NLTK Bibliothek, und die Erstellung von semantischen Wortvektoren mit dem Algorithmus Word2Vec.
In diesem Kurs gib es einen ganzen Abschnitt für aktuellste fortgeschrittene Themen, wie Deep Learning zur Erstellung deines eigenen Chat Bots!
All das bekommst du mit einer 30 Tage Geld-zurück-Garantie, daher kannst du den Kurs risikofrei ausprobieren! Worauf wartest du noch?
Wir sehen uns im Kurs,
René
What You Will Learn!
- Lerne, wie man in Python mit Textdateien arbeitet
- Lerne, wie man in Python mit PDF-Dateien arbeitet
- Verwende Regular Expressions für Mustersuche im Text
- Verwende SpaCy für ultra schnelle Tokenisierung
- Erfahre mehr über Stemming und Lemmatisierung
- Verstehe Wortschatz-Abgleich mit SpaCy
- Verwende Part of Speech Tagging, um Rohtext-Dateien automatisch zu verarbeiten
- Verstehe Named Entity Recognition
- Visualisiere POS und NER mit SpaCy
- Verwende SciKit-Learn zur Textklassifizierung
- Verwende Latent Dirichlet Allocation für Themenmodellierung (Topic Modelling)
- Erfahre mehr über Non-negative Matrix Factorization
- Verwende den Algorithmus Word2Vec
- Verwende NLTK für Stimmungsanalysen
- Verwende Deep Learning, um deinen eigenen Chat Bot zu erstellen
Who Should Attend!
- Python Entwickler, die sich für die Verwendung von Natural Language Processing interessieren