تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی تجزیه و تحلیل متن و پیش بینی با یادگیری جامع پایتون

دوره آموزشی تجزیه و تحلیل متن و پیش بینی با یادگیری جامع پایتون

35 دقیقهمتوسط2019-06-19

مدرسین

Kumaran Ponnambalam

Kumaran Ponnambalam

Working with data for 20+ years

جزئیات دوره

متن یک منبع غنی از بینش برای مشاغل است. وب‌سایت‌ها، رسانه‌های اجتماعی، ایمیل‌ها و چت‌ها همگی حاوی داده‌های ارزشمند مشتری هستند. اما برای به دست آوردن پاداش، باید بتوانید حجم زیادی از متن بدون ساختار را تجزیه و تحلیل کنید. متن کاوی یک مهارت ضروری برای هر کسی است که در کلان داده و علم داده کار می کند. این دوره تکنیک های متن کاوی برای استخراج، پاکسازی و پردازش متن با استفاده از Python و کتابخانه های scikit-learn و nltk را آموزش می دهد. Kumaran Ponnambalam نحوه انجام تجزیه و تحلیل متن را با استفاده از تکنیک های رایج مانند ابر کلمه و تجزیه و تحلیل احساسات توضیح می دهد. سپس نشان می‌دهد که چگونه می‌توان با استفاده از خوشه‌بندی، طبقه‌بندی و توصیه‌ها با داده‌های متنی پیش‌بینی کرد – که در غیر این صورت به عنوان متن پیش‌بینی شناخته می‌شود. در طول مسیر، او مفاهیم مهم تجزیه و تحلیل متن مانند واژه سازی و n-gram را معرفی می کند.

اهداف یادگیری
ایجاد ابر کلمه
تعیین احساسات مشتریان
K-به معنای خوشه بندی متن است
پیش بینی طبقه بندی اسناد متنی
پیش بینی متن

مهارت ها

Machine LearningPythonEssential TrainingArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware Development

سرفصل ها

0. مقدمه

  • 01 - نیاز به مهارت متن کاوی در علم داده
  • 02 - مقدمه ای بر تجزیه و تحلیل متن
  • 03 - پیش نیازهای دوره
  • 04 - استفاده از نوت بوک Jupyter

1. Word Cloud

  • 05 - مفاهیم ابر ورد
  • 06 - آماده سازی داده برای ابر کلمه
  • 07 - نمایش کلمه ابر
  • 08 - تقویت کلمه ابر

2. تجزیه و تحلیل احساسات

  • 09 - هدف
  • 10 - آماده سازی داده ها برای تحلیل احساسات
  • 11 - یافتن احساسات
  • 12 - جمع بندی و نمایش

3. خوشه بندی

  • 13 - هدف
  • 14 - آماده سازی داده ها برای خوشه بندی
  • 15 - k-به معنای خوشه بندی است
  • 16 - k- معنی بهینه سازی

4. طبقه بندی

  • 17 - هدف
  • 18 - آماده سازی داده ها برای طبقه بندی
  • 19 - طبقه بندی Na ve Bayes
  • 20 - پیش بینی برای متن

5. متن پیشگو

  • 21 - مفاهیم متن پیشگو
  • 22 - آماده سازی داده ها برای متن پیشگو
  • 23 - ساخت پایگاه داده n-grams
  • 24 - توصیه کلمه بعدی

نتیجه

  • 25 - مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal