강의

멘토링

커뮤니티

Data Science

/

Data Analysis

[Miễn phí]Khai thác văn bản cơ bản: Phân tích đánh giá ứng dụng với Python(hoàn thành trong 40 phút)

Khóa học này giúp bạn học lý thuyết cơ bản và thực hành phân tích khai thác văn bản với Python. Nó giải thích các kỹ thuật phân tích dữ liệu khai thác văn bản cơ bản cần thiết cho công việc thực tế hoặc luận văn.

(4.7) 14 đánh giá

678 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

  • HappyAI
Text Mining
Text Mining
Big Data
Big Data
NLP
NLP
Data literacy
Data literacy
Text Mining
Text Mining
Big Data
Big Data
NLP
NLP
Data literacy
Data literacy
Thumbnail

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.7

5.0

bigdata

100% đã tham gia

Nó rất hữu ích trong việc bắt đầu với những điều cơ bản.

5.0

seonflower1123

100% đã tham gia

Cảm ơn bạn rất nhiều vì bài giảng rất hay và ý nghĩa :)

5.0

Jang Jaehoon

50% đã tham gia

Cảm ơn vì bài giảng hay!

Bạn sẽ nhận được điều này sau khi học.

  • Khai thác văn bản

  • Tần số phân tích

  • Trực quan hóa đám mây từ khóa

  • Phân tích đánh giá app

  • Phân tích văn bản

Để phân tích khai thác văn bản hoặc viết bài báo liên quan
Chào mừng những ai quan tâm! 🙌

💾 Vui lòng kiểm tra trước khi tham gia lớp học!

Các dự án phân tích dữ liệu và viết bài báo về dữ liệu lớn bằng Python 🖥️

Khóa học này phù hợp với những người đang cân nhắc phân tích dữ liệu lớn và viết bài báo khoa học bằng kỹ thuật khai thác văn bản. Khóa học cung cấp kiến thức lý thuyết về các khía cạnh kỹ thuật của phân tích dữ liệu và các mẹo về kỹ thuật trích xuất dữ liệu để viết bài báo khoa học về dữ liệu lớn.

Khóa học này bao gồm các kỹ thuật phân tích dữ liệu lớn và khai thác văn bản bằng Python, cũng như cách trích xuất thông tin có ý nghĩa từ dữ liệu và văn bản.

Học cái này 📚

  1. Bạn sẽ hiểu cách phân tích dữ liệu lớn và dữ liệu văn bản bằng Python.
  2. Bạn sẽ học các kỹ thuật cần thiết để phân tích dữ liệu, chẳng hạn như xử lý dữ liệu trước, trực quan hóa và phân tích thống kê .
  3. Bạn có thể có được kỹ năng phân tích dữ liệu cần thiết để viết các bài báo về dữ liệu lớn.
  4. Bạn có thể cải thiện kỹ năng phân tích dữ liệu của mình bằng cách tìm hiểu nhiều công cụ và kỹ thuật phân tích dữ liệu và văn bản khác nhau .

Tôi giới thiệu điều này cho những người này 🙆‍♀️

Các nhà nghiên cứu, nhà khoa học dữ liệu và kỹ sư máy học làm việc trong lĩnh vực dữ liệu

Các nhà nghiên cứu và sinh viên sau đại học muốn viết bài báo về khai thác văn bản và dữ liệu lớn

Bất kỳ ai quan tâm đến công nghệ phân tích dữ liệu lớn và phân tích khai thác văn bản

Tham gia bài giảng này 😊

  • Sinh viên lo lắng về phân tích dữ liệu và viết báo cáo có thể củng cố kỹ năng của mình thông qua khóa học này.
  • Bằng cách học cách trích xuất thông tin có ý nghĩa từ dữ liệu và văn bản, sinh viên sẽ có được các kỹ năng nâng cao về phân tích dữ liệu lớn và khai thác văn bản. Những kỹ năng này sẽ nâng cao đáng kể năng lực công việc và thành tích học tập của họ.

Tính năng bài giảng ✨

Cung cấp thông tin liên quan đến việc trích xuất và phân tích dữ liệu cần thiết cho việc viết bài báo

Phân tích dữ liệu thực tế bằng Python

Giải thích dễ hiểu mà ngay cả người mới bắt đầu sử dụng Python cũng có thể hiểu được.

Tìm hiểu cách trích xuất thông tin có ý nghĩa từ dữ liệu lớn và dữ liệu văn bản bằng Python.

Sự cân bằng hoàn hảo giữa lý thuyết và thực hành! Đào tạo thực tế dựa trên lý thuyết và phân tích dữ liệu thực tế.


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những ai muốn làm text mining bằng Python

  • Ai tò mò về kỹ thuật text mining

  • Người muốn phân tích đánh giá ứng dụng theo xếp hạng

  • Những ai muốn học lý thuyết cơ bản và thực hành về khai thác văn bản

Cần biết trước khi bắt đầu?

  • Ngữ pháp Python cơ bản

Xin chào
Đây là

4,489

Học viên

225

Đánh giá

51

Trả lời

4.6

Xếp hạng

11

Các khóa học

Lee JinKyu | Lee JinKyu

Chuyên gia phân tích AI·LLM·Big Data / Đại diện Happy AI

👉Bạn có thể kiểm tra lý lịch chi tiết tại liên kết bên dưới.
https://bit.ly/jinkyu-profile

Xin chào.
Tôi là Lee JinKyu (Tiến sĩ Kỹ thuật, Trí tuệ nhân tạo), đại diện của Happy AI, người đã không ngừng làm việc với AI và phân tích dữ liệu lớn trong nghiên cứu, phát triển, giáo dục và các dự án thực tế.

Dựa trên xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (text mining),
tôi đã phân tích nhiều loại dữ liệu phi cấu trúc đa dạng như
khảo sát, văn bản, đánh giá, truyền thông, chính sách, dữ liệu học thuật, v.v.
Gần đây, tôi đang truyền đạt phương pháp ứng dụng AI tập trung vào thực tiễn phù hợp với tổ chức và môi trường làm việc
bằng cách tận dụng AI tạo sinh và mô hình ngôn ngữ lớn (LLM).

Tôi đã hợp tác với nhiều cơ quan công quyền, doanh nghiệp và tổ chức giáo dục như Samsung Electronics, Đại học Quốc gia Seoul, Sở Giáo dục, Viện Nghiên cứu Gyeonggi, Cục Lâm nghiệp,
Tổng cục Quản lý Công viên Quốc gia, Thành phố Seoul, v.v.,
và đã thực hiện tổng cộng hơn 200 dự án nghiên cứu và phân tích trong nhiều lĩnh vực khác nhau như y tế, thương mại, sinh thái, luật pháp, kinh tế và văn hóa.


🎒 Yêu cầu diễn thuyết và thuê ngoài (outsourcing)

Chuyên gia Kmong Prime (Top 2%)


📘 Tiểu sử (Tóm tắt)

  • 07/2024 ~ Hiện tại
    Giám đốc HappyAI, doanh nghiệp chuyên về phân tích Big Data và AI tạo sinh

  • Tiến sĩ Kỹ thuật (Trí tuệ nhân tạo)
    Trường Cao học Trí tuệ nhân tạo, Đại học Dongguk

    Chuyên ngành chi tiết: Mô hình ngôn ngữ lớn (LLM)

    (Tháng 03/2022 ~ Tháng 02/2026)

  • 2023 ~ 2025
    Nhà bình luận AI của Public News
    (Các vấn đề về định kiến trong AI tạo sinh, RAG, ứng dụng LLM)

  • 2021 ~ 2023
    Nhà phát triển tại Stellavision, công ty chuyên về AI và Big Data, an AI and Big Data company

  • 2018 ~ 2021
    Nghiên cứu viên về Xử lý ngôn ngữ tự nhiên và Phân tích dữ liệu lớn tại Viện nghiên cứu do Chính phủ tài trợ


🔹 Lĩnh vực chuyên môn (Tập trung vào Giảng dạy · Dự án)

  • AI tạo thế và ứng dụng LLM

    • LLM riêng tư (Private LLM), RAG, Agent

    • Cơ bản về Fine-tuning LoRA·QLoRA

  • Phân tích dữ liệu lớn dựa trên AI

    • Dữ liệu khảo sát, đánh giá, báo chí, chính sách và học thuật

  • Xử lý ngôn ngữ tự nhiên (NLP) · Khai phá văn bản (Text Mining)

    • Phân tích chủ đề, phân tích cảm xúc, mạng lưới từ khóa

  • Tự động hóa công việc bằng AI cho khối công và doanh nghiệp

    • Tóm tắt, phân loại và phân tích tài liệu

      Xử lý ngôn ngữ tự nhiên (NLP) và khai phá văn bản (Text Mining) đối với dữ liệu đánh giá, báo chí, chính sách và học thuật. Phân tích chủ đề (Topic Analysis), phân tích cảm xúc, mạng lưới từ khóa. Tự động hóa công việc bằng AI cho chính phủ và doanh nghiệp: Tóm tắt, phân loại và phân tích văn bản.


🎒 Khóa học & Hoạt động (Chọn lọc)

2025

  • Phát triển ứng dụng LLM/sLLM
    (Dựa trên Fine-tuning·RAG·Agent) – KT

2024

  • Lập trình LLM dựa trên LangChain·RAG – Samsung SDS

  • Lý thuyết LLM và Thực hành phát triển Chatbot RAG – Quỹ Kỹ thuật số Seoul (Seoul Digital Foundation)

  • Nhập môn phân tích dữ liệu lớn dựa trên ChatGPT – LetUin Edu

  • Cơ bản về Trí tuệ nhân tạo · Kỹ thuật Prompt – Viện Phát triển Nghề nghiệp Hàn Quốc

  • LDA·Phân tích cảm xúc với ChatGPT – Inflearn

  • Phân tích văn bản dựa trên Python – Đại học Khoa học và Công nghệ Quốc gia Seoul

  • Xây dựng Chatbot LLM sử dụng LangChain – Inflearn

2023

  • Cơ bản về Python sử dụng ChatGPT – Đại học Kyonggi

  • Bài giảng đặc biệt về khóa học chuyên gia dữ liệu lớn – Đại học Dankook

  • Cơ bản về phân tích dữ liệu lớn – LetUin Edu


💻 Dự án (Tóm tắt)

  • Xây dựng Chatbot RAG dựa trên Private LLM (Tổng công ty Điện lực Hàn Quốc)

  • Phân tích dữ liệu lớn về phục hồi rừng dựa trên LLM (Viện Khoa học Lâm nghiệp Quốc gia)

  • Giải pháp Text Mining Private LLM dành riêng cho mạng nội bộ (Cơ quan chính phủ)

  • Phát triển mô hình LLM dựa trên Instruction Tuning và RLHF

  • Phân tích dữ liệu chăm sóc sức khỏe, luật pháp, chính sách và giáo dục

  • Phân tích AI dữ liệu khảo sát, đánh giá và báo chí

→ Đã thực hiện hơn 200 dự án bao gồm các cơ quan công quyền, doanh nghiệp và viện nghiên cứu, including public institutions, corporations, and research institutes


📖 Ấn bản (Chọn lọc)

  • Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms (2024)

  • Improving Generation of Sentiment Commonsense by Bias Mitigation
    – Hội nghị quốc tế về Dữ liệu lớn và Tính toán thông minh (2023)

  • Phân tích nhận thức về công nghệ LLM dựa trên dữ liệu lớn từ các bài báo chí (2024)

  • Nhiều nghiên cứu khai phá dữ liệu văn bản (text mining) dựa trên NLP
    (Lĩnh vực Lâm nghiệp · Môi trường · Xã hội · Chăm sóc sức khỏe)


🔹 Khác

  • Phân tích và trực quan hóa dữ liệu dựa trên Python

  • Phân tích dữ liệu sử dụng LLM

  • Nâng cao năng suất công việc bằng cách sử dụng ChatGPT, LangChain và Agent

Chương trình giảng dạy

Tất cả

6 bài giảng ∙ (52phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

14 đánh giá

4.7

14 đánh giá

  • bigdata6408님의 프로필 이미지
    bigdata6408

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Nó rất hữu ích trong việc bắt đầu với những điều cơ bản.

    • seonflower11233384님의 프로필 이미지
      seonflower11233384

      Đánh giá 1

      Đánh giá trung bình 5.0

      5

      100% đã tham gia

      Cảm ơn bạn rất nhiều vì bài giảng rất hay và ý nghĩa :)

      • letitgo5553480님의 프로필 이미지
        letitgo5553480

        Đánh giá 2

        Đánh giá trung bình 5.0

        5

        100% đã tham gia

        • jjhgwx님의 프로필 이미지
          jjhgwx

          Đánh giá 647

          Đánh giá trung bình 4.9

          5

          50% đã tham gia

          Cảm ơn vì bài giảng hay!

          • chinij님의 프로필 이미지
            chinij

            Đánh giá 22

            Đánh giá trung bình 4.8

            5

            50% đã tham gia

            Miễn phí

            Khóa học khác của HappyAI

            Hãy khám phá các khóa học khác của giảng viên!

            Khóa học tương tự

            Khám phá các khóa học khác trong cùng lĩnh vực!