Pelajari cara menggunakan Machine Learning, Spacy, NLTK, SciKit-Learn, Deep Learning, dan lainnya untuk melakukan Pemrosesan Bahasa Alami
Apa yang akan Anda pelajari
-
Belajar bekerja dengan File Teks dengan Python
-
Pelajari cara bekerja dengan file PDF dengan Python
-
Manfaatkan Ekspresi Reguler untuk pencarian pola dalam teks
-
Gunakan Spacy untuk tokenisasi sangat cepat
-
Pelajari tentang Stemming dan Lemmatisasi
-
Pahami Vocabulary Matching dengan Spacy
-
Gunakan Part of Speech Tagging untuk memproses file teks mentah secara otomatis
-
Memahami Pengakuan Entitas Bernama
-
Visualisasikan POS dan NER dengan Spacy
-
Gunakan SciKit-Learn untuk Klasifikasi Teks
-
Gunakan Alokasi Dirichlet Laten untuk Pemodelan Topik
-
Pelajari tentang Faktorisasi Matriks Non-negatif
-
Gunakan algoritma Word2Vec
-
Gunakan NLTK untuk Analisis Sentimen
-
Gunakan Deep Learning untuk membuat bot obrolan Anda sendiri
Keterangan
Selamat datang di kursus Pemrosesan Bahasa Alami! Kursus ini dirancang untuk menjadi sumber daya lengkap Anda untuk mempelajari cara menggunakan Pemrosesan Bahasa Alami dengan bahasa pemrograman Python.
Dalam kursus ini kami akan membahas semua yang perlu Anda pelajari untuk menjadi praktisi NLP dengan Python.
Kita akan mulai dengan dasar-dasarnya, mempelajari cara membuka dan bekerja dengan file teks dan PDF dengan Python, serta mempelajari cara menggunakan ekspresi reguler untuk mencari pola khusus di dalam file teks.
Setelah itu kita akan mulai dengan dasar-dasar Pemrosesan Bahasa Alami, menggunakan pustaka Natural Language Toolkit untuk Python, serta pustaka Spacy yang canggih untuk tokenisasi ultra cepat, penguraian, pengenalan entitas, dan lemmatisasi teks.
Kami akan memahami konsep dasar NLP seperti stemming, lemmatization, stop word, pencocokan frasa, tokenisasi, dan banyak lagi!
Selanjutnya kita akan membahas penandaan Part-of-Speech, di mana skrip Python Anda akan dapat secara otomatis menetapkan kata-kata dalam teks ke bagian ucapan yang sesuai, seperti kata benda, kata kerja, dan kata sifat, bagian penting dalam membangun sistem bahasa yang cerdas.



