2024 年 Python 自然语言处理初学者教程
文本清理、Spacy、NLTK、Scikit-Learn、深度学习、word2vec、GloVe、用于情感、情感、垃圾邮件和文本的 LSTM简历解析
讲师：Laxmi Kant | KGP Talkie
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
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。
你将学到什么
- 使用 Python 学习完整的文本处理
- 了解如何从 PDF 文件中提取文本
- 使用正则表达式在文本中搜索
- 使用SpaCy和NLTK从原始文本中提取完整的文本特征
- 使用潜在狄利克雷分配进行主题建模
- 使用 Scikit-Learn 和深度学习进行文本分类
- 学习多类和多标签文本分类
- 使用 Spacy 和 NLTK 进行情感分析
- 理解并构建基于 word2vec 和 GloVe 的 ML 模型
- 使用Gensim获取预训练的词向量并计算相似度和类比
- 使用 LSTM 和 GRU 学习文本摘要和文本生成
- 了解自然语言处理的基本概念和技术及其应用。
- 了解如何使用 Python 及其流行的库（例如 NLTK 和 spaCy）来执行常见的 NLP 任务。
- 能够使用 Python 对文本数据进行标记和词干处理。
- 了解并应用常见的 NLP 技术，例如情感分析、文本分类和命名实体识别。
- 了解如何将 NLP 技术应用于现实世界的问题和项目。
- 了解主题建模的概念并使用 Python 实现它。
- 了解文本摘要的基础知识及其使用 Python 的实现。
- 理解文本生成的概念并使用Python实现它
- 了解文本到语音和语音到文本转换的概念并使用 Python 实现它们。
- 了解如何使用 RNN、LSTM 和词嵌入等 NLP 深度学习技术。
要求
- 有学习的欲望
- 初级数学
- 对 Python 和机器学习有基本了解
描述
欢迎来到 KGP Talkie 的自然语言处理 (NLP) 课程。它旨在让您通过在 Python 中使用最先进的 NLP 算法来全面了解文本处理和挖掘。
我们将详细学习 Spacy，还将探索 NLP 在现实生活中的用途。本课程涵盖 NLP 的基础知识，以推进诸如 word2vec、GloVe、NLP 深度学习（如 CNN、ANN 和 LSTM）等主题。我还将向您展示如何使用 python 中的 sklean 各种工具来优化 ML 代码。在本课程的最后部分，您将学习如何使用 LSTM 生成诗歌。解释了多标签和多类分类。本课程至少涵盖 12 个 NLP 项目。您将学习解决前沿 NLP 问题的各种方法。
在注册本课程之前，您应该具备 Python 和机器学习的入门知识。
在本课程中，我们将从0级开始到高级。
我们将从基础知识开始，例如什么是机器学习及其工作原理。此后我将带您参加 Python、Numpy 和 Pandas 速成课程。如果您有相关经验，则可以跳过这些部分。 NLP 的真正游戏将从 Spacy 简介开始，我将带您完成 NLP 预处理的各个步骤。我们将主要使用 Spacy 和 NLTK 进行文本数据预处理。
在下一节中，我们将学习如何使用文件来存储和加载文本数据。本节是关于完整文本预处理的另一节的基础。我将向您展示使用 Spacy 和正则表达式进行文本预处理的多种方法。最后，我将向您展示如何在预处理上创建您自己的 python 包。它将帮助我们提高代码编写能力。我们将能够在系统范围内重用我们的代码，而无需每次都编写预处理代码。这一部分是最重要的部分。
然后，我们将开始机器学习理论部分和 Scikit-Learn Python 包的演练，我们将在其中学习如何编写干净的 ML 代码。此后，我们将开发第一个用于 SPAM 和 HAM 消息分类的文本分类器。我还将向您展示 NLP 中使用的各种类型的词嵌入，例如词袋、词频、IDF 和 TF-IDF。我将向您展示如何从头开始以及借助 Scikit-Learn 包来估计这些功能。
此后我们将了解机器学习模型的部署。我们还将学习各种其他基本工具，如 word2vec、GloVe、深度学习、CNN、LSTM、RNN 等。
涵盖的关键词
自然语言处理、Python、初学者、NLP、文本处理、文本分析、机器学习、数据科学、人工智能、自然语言理解、文本挖掘、文本分类、情感分析、命名实体、语音识别、语言建模、文本生成、文本摘要、文本聚类、文本相似度、文本预处理、正则表达式、NLTK、spaCy、Gensim、Scikit-learn、TensorFlow、Keras、Numpy、Pandas、Jupyter Notebook、数据可视化。
在本课程结束时，您将学习解决自己的 NLP 问题所需的一切。
本课程适合谁：
- 自然语言处理初学者
- 对学习 NLP 充满好奇的数据科学家
- 对 Python 编程有基本了解并希望扩展其技能以包括自然语言处理的个人
- 想要将 NLP 添加到工具包中的数据科学家、数据分析师和研究人员
- 想要构建涉及自然语言处理的应用程序的开发人员，例如聊天机器人或基于文本的推荐系统
- 语言学、计算机科学、人工智能等领域想要深入了解 NLP 的学生和专业人士
