Plan du cours
Introduction
- Définir le "Traitement Automatique du Langage Naturel de Qualité Industrielle"
Installation de spaCy
Composants de spaCy
- Étiqueteur morphosyntaxique (Part-of-speech tagger)
- Extracteur d'entités nommées (Named entity recognizer)
- Analyseur syntaxique de dépendances (Dependency parser)
Aperçu des fonctionnalités et de la syntaxe de spaCy
Comprendre la modélisation spaCy
- Modélisation statistique et prédiction
Utilisation de l'interface de ligne de commande (CLI) de SpaCy
- Commandes de base
Création d'une application simple pour prédire le comportement
Entraînement d'un nouveau modèle statistique
- Données (pour l'entraînement)
- Étiquettes (tags, entités nommées, etc.)
Chargement du modèle
- Mélange et itération
Sauvegarde du modèle
Fournir un retour d'information au modèle
- Gradient d'erreur
Mise à jour du modèle
- Mise à jour de l'extracteur d'entités
- Extraction de tokens avec un comparateur basé sur des règles
Élaboration d'une théorie généralisée des résultats attendus
Étude de cas
- Distinction des noms de produits des noms d'entreprises
Affiner les données de formation
- Sélection de données représentatives
- Définition du taux d'abandon (dropout rate)
Autres styles de formation
- Passage de textes bruts
- Passage de dictionnaires d'annotations
Utiliser spaCy pour prétraiter le texte pour Deep Learning
Intégrer spaCy aux applications existantes
Test et débogage du modèle spaCy
- L'importance de l'itération
Déployer le modèle en production
Surveillance et ajustement du modèle
Résolution des problèmes
Résumé et conclusion
Pré requis
- Python expérience en programmation.
- Une compréhension de base des statistiques
- Expérience avec la ligne de commande
Public
- Développeurs
- Scientifiques des données
Nos clients témoignent (5)
Le fait d'avoir plus d'exercices pratiques utilisant des données plus proches de ce que nous utilisons dans nos projets (images satellites en format raster)
Matthieu - CS Group
Formation - Scaling Data Analysis with Python and Dask
Traduction automatique
Une très bonne préparation et expertise de la part du formateur, une communication parfaite en anglais. Le cours était pratique (exercices + partage d'exemples de cas d'utilisation)
Monika - Procter & Gamble Polska Sp. z o.o.
Formation - Developing APIs with Python and FastAPI
Traduction automatique
C'était un cours intense car nous avons dû aborder beaucoup de contenu en peu de temps. Notre formateur connaissait bien le sujet et a livré les contenus pour répondre à nos besoins. Il y avait beaucoup de choses à apprendre, mais notre formateur était très aidant et encourageant. Il a répondu à toutes nos questions avec des détails précis et nous avons l'impression d'avoir acquis beaucoup de connaissances. Les exercices étaient bien préparés et les tâches étaient adaptées à nos besoins. J'ai apprécié ce cours.
Bozena Stansfield - New College Durham
Formation - Build REST APIs with Python and Flask
Traduction automatique
Formateur développe la formation selon le rythme des participants
Farris Chua
Formation - Data Analysis in Python using Pandas and Numpy
Traduction automatique
J'ai beaucoup aimé tout cela.
Thukten Dendup - Bhutan Telecom
Formation - Web Development with Django
Traduction automatique