独家Udemy付费课程,中英文字幕,课程资料包齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将会学到的
- 自然语言处理的完整理解
- 使用 Scikit-learn、NLTK 和 SpaCy 实现 NLP 相关任务
- 应用机器学习模型对文本数据进行分类
- 文本分类(垃圾邮件检测、亚马逊产品评论分类)
- 文本摘要(将 5000 字的文章变成 200 字)
- 根据最近发布的推文计算情绪得分(Tweeter API)
- 刷新你的深度学习概念(ANN、CNN 和 RNN)
- 使用 Keras 构建你自己的词嵌入 (Word2vec) 模型
- 带有 Google 预训练模型的词嵌入应用程序
- 基于神经网络的 CNN 和 RNN 模型的垃圾邮件检测
- 使用 TensorFlow、Keras 和 LSTM 自动生成文本
- 在 Python 中处理文本文件和 PDF(PyPDF2 模块)
- 标记化、词干化和词形还原
- 使用 NLTK 进行停用词、词性 (POS) 标记
- 词汇、匹配、命名实体识别 (NER)
- 使用 Numpy 和 Pandas 进行数据分析
- 使用 Matplotlib 库进行数据可视化
课程内容
18 个章节 • 93 个讲座 • 总时长 10 小时 25 分钟展开所有章节
欢迎4 个讲座 • 12 分钟
安装和设置4 个讲座 • 12 分钟
自然语言处理基础13 个讲座 • 1 小时 27 分钟
项目一:垃圾邮件分类6 个讲座 • 42 分钟
项目 2:餐厅评论预测(好或坏)5 个讲座 • 34 分钟
项目 3:IMDB、亚马逊和 Yelp 评论分类2 个讲座 • 17 分钟
项目 4:自动文本摘要4 个讲座 • 27 分钟
项目 5:Twitter 情绪分析3 个讲座 • 21 分钟
深度学习基础4 个讲座 • 21 分钟
词嵌入4 个讲座 • 30 分钟
项目 6:使用 CNN 进行文本分类4 个讲座 • 27 分钟
项目 7:使用 RNN 进行文本分类4 个讲座 • 14 分钟
项目 8:使用 TensorFlow、Keras 和 LSTM 自动生成文本2 个讲座 • 17 分钟
用于文本分类的 FastText 库6 个讲座 • 35 分钟
使用 Numpy 进行数据分析7 个讲座 • 41 分钟
使用 Pandas 进行数据分析10 个讲座 • 1 小时 34 分钟
使用 Matplotlib 进行数据可视化6 个讲座 • 58 分钟
附录5 个讲座 • 38 分钟
要求
- Python编程的基本理解
说明
最近的评论:
“详尽的解释,到目前为止进展顺利。对自然语言处理的非常简单直接的介绍。我会向任何关注数据科学的人推荐这门课”
“到目前为止,这门课程正在将内容分解成小块,教授耐心地解释一切,并提供足够的背景知识,这样我就不会感到迷茫。”
“这门课程对我来说真的很好。它很容易理解,涵盖了从基础、机器学习到深度学习的广泛 NLP 主题。
使用的代码实用且有用。
我对内容绝对满意,一定会推荐给所有对自然语言处理感兴趣的人”
——————————————————————————————————————–
更新 1.0:
添加了用于文本分类部分的 Fasttext 库。
——————————————————————————————————————–
嗨数据爱好者,
你知道明年哪个人工智能领域会变得更大吗?
根据 statista dot com 的预测,到2025 年,人工智能的哪个领域将达到430 亿美元?
如果答案是“自然语言处理”,那么你来对地方了。
——————————————————————————————————————–
你想知道吗
- Google 新闻如何将数以百万计的新闻文章分类为数百个不同的类别。
- Android 语音识别如何以如此高的准确度识别你的声音。
- 谷歌翻译实际上如何将数百对不同的语言相互翻译。
如果答案是“是”,你就在正确的轨道上。
为了帮助自己,我和我的朋友 Vijay 为学生和专业人士从一开始就学习自然语言处理创建了综合课程
——————————————————————————————————————–
NLP——“自然语言处理”已经在我们日常生活的方方面面找到了空间。
手机上网是我们生活中不可或缺的一部分。从 Google 的搜索引擎到 Amazon 和 Netflix 的推荐系统,任何大多数应用程序都会使用 NLP 方法。
- 聊天机器人
- 谷歌即时、苹果Siri、亚马逊 Alexa
- 机器翻译
- 情绪分析
- 语音识别等等。
所以,欢迎来到我的 NLP 课程。
Python 中的自然语言处理 (NLP) 和 8 个项目
——————————————————————————————————————–
本课程有10 多个小时的高清质量视频和以下内容。
课程大纲 :
1:欢迎在本节中,我们将全面了解我们将在整个课程中学习的内容以及与自然语言处理相关的理解。
2:安装和设置 在本节中,我们将获得我们的在线环境 Google Colab 设置。
3:自然语言处理基础 在本节中,我们将深入研究所有基本的 NLP 任务,如标记化、词形还原、停用词删除、名称实体识别、词性标注,并了解如何应用 Spacy 和 NLTK 中可用的不同功能图书馆。
4、5、6:垃圾邮件分类、餐厅评论预测(好或坏)、IMDB、亚马逊和 Yelp 评论分类
在接下来的 3 部分中,我们将深入研究用于文本分类、垃圾邮件检测、餐厅评论分类、Amazon IMDb 评论的真实数据集。我们将了解如何进行预处理并使你的数据适合机器学习算法,并应用不同的机器学习估计器(逻辑回归、SVM、决策树)对文本进行分类。
7、8:自动文本摘要,Twitter 情绪分析 在这 2 部分中,我们将研究 NLP 在现实世界中的应用。
自动文本摘要,压缩文本以查找大文章的摘要
我们将要做的另一个工作是借助 Twitter API – tweepy 库从最近发布的关于某些特定关键字的推文中找到情绪
9 : 深度学习基础在本节中,我们将了解深度学习概念的基本概念,例如人工神经网络激活函数以及 ANN 的工作原理。
10 : Word Embedding在本节中,我们将看到如何在我们的自定义数据集上实现 word2vec,以及使用预训练的 Google 模型。
11, 12:使用 CNN 和 RNN 进行文本分类 在本节中,我们将了解如何应用卷积神经网络和循环神经网络等高级深度学习模型进行文本分类。
13 : 使用 TensorFlow、Keras 和 LSTM 自动生成文本 在本节中,我们将应用基于神经网络的 LSTM 模型来自动生成文本。
14、15、16、17:Numpy、Pandas、Matplotlib + 文件处理 在本节中,对于所有想要刷新与使用 Numpy 和 Pandas 库进行数据分析、使用 Matplotlib 库进行数据可视化以及文本文件处理和 PDF 相关概念的人文件处理。
——————————————————————————————————————–
所以,这是自然语言处理最全面的课程之一,
我希望你了解 Python 的基本知识以及学习 NLP 世界中不同技术的好奇心。
你还将获得:
- 通过 Python 课程终身学习自然语言处理 (NLP)
- Udemy 结业证书可供下载
- 问答部分的友好支持
那你还在等什么 ?今天报名!并为你的职业赋能!
我迫不及待地想让你开始使用 Python 掌握 NLP。
开始分析你的文本数据,我会在课堂上见到你。
问候
安吉特和维杰
此课程面向哪些人:
- 任何有兴趣学习自然语言处理的人