Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Esquema detallado de la formación
- Introducción a la PNL
- Entendiendo la PNL
- Marcos de NLP
- Aplicaciones comerciales de la PNL
- Extracción de datos de la web
- Trabajar con varias API para recuperar datos de texto
- Trabajo y almacenamiento de corpus de texto, almacenamiento de contenido y metadatos relevantes
- Ventajas de usar el curso intensivo Python y NLTK
- Comprensión práctica de un corpus y un conjunto de datos
- ¿Por qué necesitamos un corpus?
- Análisis de corpus
- Tipos de atributos de datos
- Diferentes formatos de archivo para corpus
- Preparación de un conjunto de datos para aplicaciones de NLP
- Comprender la estructura de una oración
- Componentes de la PNL
- Comprensión del lenguaje natural
- Análisis morfológico: tallo, palabra, token, etiquetas de voz
- Análisis sintáctico
- Análisis semántico
- Manejo de la ambigüedad
- Preprocesamiento de datos de texto
- Corpus: texto en bruto
- Tokenización de oraciones
- Derivación para texto sin formato
- Lemización de texto sin formato
- Eliminación de palabras vacías
- Sentencias en bruto de corpus
- Word Tokenización
- Word Lematización
- Trabajar con matrices Término-Documento/Documento-Término
- Tokenización de texto en n-gramas y oraciones
- Preprocesamiento práctico y personalizado
- Corpus: texto en bruto
- Análisis de datos de texto
- Característica básica de NLP
- Analizadores sintácticos y análisis sintáctico
- Etiquetado y etiquetadores de puntos de venta
- Reconocimiento de entidades de nombre
- N-gramas
- Bolsa de palabras
- Características estadísticas de la PNL
- Conceptos de álgebra lineal para PNL
- Teoría probabilística de la PNL
- TF-IDF
- Vectorización
- Codificadores y decodificadores
- Normalización
- Modelos probabilísticos
- Ingeniería de características avanzada y NLP
- Conceptos básicos de word2vec
- Componentes del modelo word2vec
- Lógica del modelo word2vec
- Extensión del concepto word2vec
- Aplicación del modelo word2vec
- Estudio de caso: Aplicación de la bolsa de palabras: resumen automático de texto utilizando algoritmos de Luhn simplificados y verdaderos
- Característica básica de NLP
- Agrupación de documentos, clasificación y modelado de temas
- Agrupación de documentos y minería de patrones (agrupación jerárquica, k-means, agrupación, etc.)
- Comparación y clasificación de documentos utilizando medidas de distancia TFIDF, Jaccard y coseno
- Clasificación de documentos utilizando Bayes ingenuo y máxima entropía
- Identificación de textos importantes Elements
- Dimensionalidad reductora: Análisis de componentes principales, descomposición de valores singulares, factorización de matrices no negativas
- Modelado de temas y recuperación de información mediante análisis semántico latente
- Extracción de Entidades, Sentiment Analysis y Modelado Avanzado de Temas
- Positivo vs. negativo: grado de sentimiento
- Teoría de la respuesta al ítem
- Parte del etiquetado de voz y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
- Modelado avanzado de temas: Asignación latente de Dirichlet
- Casos de estudio
- Minería de opiniones de usuarios no estructuradas
- Clasificación de opiniones y visualización de datos de reseñas de productos
- Minería de registros de búsqueda de patrones de uso
- Clasificación de textos
- Modelado de temas
Requerimientos
Conocimiento y concienciación de los principios de la PNL y apreciación de la aplicación de la IA en los negocios
21 Horas
Testimonios (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.
