Schulungsübersicht

Einführung

  • Definition von "Industrial-Strength Natural Language Processing"

Installation von spaCy

spaCy Komponenten

  • Part-of-speech Tagger
  • Named Entity Recognizer
  • Dependency Parser

Überblick über spaCy Features und Syntax

Verständnis der spaCy Modellierung

  • Statistische Modellierung und Vorhersage

Verwendung der SpaCy Befehlszeilenschnittstelle (CLI)

  • Grundlegende Befehle

Erstellung einer einfachen Anwendung zur Verhaltensvorhersage

Training eines neuen statistischen Modells

  • Daten (zum Trainieren)
  • Labels (Tags, benannte Entitäten, etc.)

Laden des Modells

  • Mischen und Schleifen

Abspeichern des Modells

Feedback an das Modell geben

  • Error Gradient

Aktualisieren des Modells

  • Aktualisieren des Entity Recognizers
  • Extrahieren von Tokens mit regelbasiertem Matcher

Entwickeln einer verallgemeinerten Theorie für erwartete Ergebnisse

Fallstudie

  • Unterscheidung von Produktnamen von Firmennamen

Verfeinerung der Trainingsdaten

  • Auswahl repräsentativer Daten
  • Einstellung der Dropout-Rate

Andere Trainingsstile

  • Übergabe von Rohtexten
  • Übergabe von Dictionaries mit Annotationen

Vorverarbeitung von Text mit spaCy für Deep Learning

Integration von spaCy in bestehende Anwendungen

Testen und Debuggen des spaCy-Modells

  • Die Bedeutung von Iteration

Einsatz des Modells in der Produktion

Überwachen und Anpassen des Modells

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Python Programmiererfahrung.
  • Grundlegendes Verständnis von Statistik
  • Erfahrung mit der Kommandozeile

Publikum

  • Entwickler
  • Datenwissenschaftler
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien