강의

멘토링

커뮤니티

BEST
Data Science

/

Data Analysis

[NLP] Phân tích văn bản Python và xử lý ngôn ngữ tự nhiên thông qua phân tích cảm xúc đánh giá phim IMDB

Đây là khóa học giúp bạn thực hành và làm quen với các lý thuyết và thực hành cơ bản về xử lý ngôn ngữ tự nhiên thông qua cuộc thi phân tích cảm xúc đánh giá phim IMDB trên Kaggle.

(4.6) 41 đánh giá

2,762 học viên

  • todaycode
Python
NLP

Đánh giá từ những học viên đầu tiên

Bạn sẽ nhận được điều này sau khi học.

  • Xử lý ngôn ngữ tự nhiên (NLP)

  • Xử lý trước dữ liệu văn bản (chuẩn hóa, phân tách thành các từ, phân tích gốc từ, phân tích các đơn vị ngữ pháp, trích xuất gốc từ, ký hiệu âm vị)

  • Kỹ thuật trực quan hóa dữ liệu văn bản (Matplotlib, Seaborn), học máy (Scikit-learn)

  • Học sâu/máy học, phân tích dữ liệu

  • Python chuẩn thư viện thông qua thực hiện đơn giản của Perceptron

  • Học trực tuyến, khái niệm Vowpal Wabbit

  • Nhiều kỹ thuật vectơ hóa dữ liệu văn bản (Bag of Words, n-gram, TF-IDF, Word2Vec)

  • Tối ưu hóa hiệu suất thông qua việc triển khai đường ống

  • Các kỹ thuật Ensemble (Random Forest) và Boosting (Xgboost)

Phân tích tình cảm bằng máy học trong đánh giá phim 🎞️
Từ xử lý dữ liệu trước cho đến đánh giá và dự đoán!

Lý thuyết và thực hành xử lý ngôn ngữ tự nhiên
Bạn muốn học tất cả cùng một lúc? 👩‍💻

Khóa học này bao gồm các lý thuyết và thực hành cơ bản cần thiết cho xử lý ngôn ngữ tự nhiên thông qua cuộc thi phân tích tình cảm đánh giá phim IMDB trên Kaggle. Xử lý ngôn ngữ tự nhiên được sử dụng rộng rãi trong chatbot, phân tích văn bản và xử lý dữ liệu trước khi phát triển các mô hình học máy/học sâu.

Nó bao gồm xử lý ngôn ngữ tự nhiên, nhưng cũng bao gồm xử lý dữ liệu trước, nhiều kỹ thuật học máy và kỹ thuật học sâu, và cũng xem xét các cách sử dụng học có giám sát và học không giám sát. Ngoài các hướng dẫn cơ bản về Kaggle, chúng tôi sẽ đề cập đến các chủ đề bổ sung như trực quan hóa dữ liệu văn bản, xử lý trước và cải thiện hiệu suất thông qua xử lý song song qua đường ống. Chúng ta cùng nhau thực hiện thử thách này nhé?

Trước tiên hãy xem hướng dẫn bài giảng!

Bài giảng này
Những người hữu ích 🔍

phức tap
Từ dữ liệu văn bản
Để tìm ý nghĩa
Người làm điều đó

Để phát triển
Xử lý ngôn ngữ tự nhiên
Muốn học
Nhà phát triển Chatbot

Cần thiết cho phân tích tình cảm
Nhiều kỹ thuật khác nhau
Muốn học
Nhà phân tích dữ liệu

Học máy/học sâu,
NLP, v.v.
Dễ dàng và vui vẻ
Dành cho những ai muốn bắt đầu


Nếu bạn lắng nghe bài giảng
Bạn có thể làm gì? 📌

Bạn có thể tìm hiểu các kỹ thuật phân loại của máy học bằng cách sử dụng dữ liệu đánh giá phim IMDB. Bạn sẽ học cách áp dụng phương pháp học có giám sát và không giám sát vào học máy . Học có giám sát liên quan đến phân tích tình cảm bằng cách sử dụng máy học, trong khi học không giám sát liên quan đến kỹ thuật giảm chiều và phân cụ.

  • Xử lý ngôn ngữ tự nhiên (NLP: Lập trình ngôn ngữ thần kinh)
  • Tiền xử lý dữ liệu văn bản (chuẩn hóa, mã hóa, tách từ, phân tích hình thái, trích xuất gốc, ký hiệu ngữ âm)
  • Phân tích dữ liệu
  • Kỹ thuật trực quan hóa dữ liệu văn bản (Matplotlib, Seaborn)
  • Học máy (Scikit-learn) và Học sâu
  • Triển khai Perceptron đơn giản bằng cách sử dụng thư viện chuẩn Python
  • Học trực tuyến, Khái niệm Vowpal Wabbit
  • Nhiều kỹ thuật vector hóa dữ liệu văn bản khác nhau (Bag of Words, n-gram, TF-IDF, Word2Vec)
  • Tối ưu hóa hiệu suất thông qua việc triển khai đường ống
  • Kỹ thuật Ensemble (Random Forest) và Boosting (Xgboost)

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

  • Chúng tôi khuyên bạn nên học khóa học trong môi trường có bộ nhớ 4GB trở lên và CPU lõi kép hoặc cao hơn .
  • Nếu hiệu suất của thiết bị của bạn hơi kém vì quá trình xử lý dữ liệu văn bản mất nhiều thời gian, vui lòng thực hành thông qua liên kết Google Colaboratory ở cuối video!

Đã tạo khóa học này
Bạn có tò mò về người chia sẻ kiến ​​thức không? 👩‍💻

Người chia sẻ kiến ​​thức Park Jo-eun X Phỏng vấn Inflearn

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người muốn tìm kiếm ý nghĩa từ dữ liệu văn bản phức tạp.

  • Nhà phát triển chatbot, nhà phân tích dữ liệu, người mới bắt đầu về máy học, học sâu

Cần biết trước khi bắt đầu?

  • Phân tích dữ liệu Python Pandas

  • Cơ sở về máy học/học sâu

Xin chào
Đây là

19,378

Học viên

812

Đánh giá

1,341

Trả lời

4.9

Xếp hạng

7

Các khóa học

Chương trình giảng dạy

Tất cả

17 bài giảng ∙ (3giờ 30phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

41 đánh giá

4.6

41 đánh giá

  • crecengu6105님의 프로필 이미지
    crecengu6105

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    76% đã tham gia

    Tôi đang thưởng thức bài giảng của bạn. Lần này tôi dự định tham gia một khóa học phân tích phim. Tôi có thể lấy tài liệu khóa học ở đâu?

    • wnwoghd226480님의 프로필 이미지
      wnwoghd226480

      Đánh giá 8

      Đánh giá trung bình 5.0

      5

      65% đã tham gia

      Lời giải thích thân thiện tốt đẹp

      • kim0min님의 프로필 이미지
        kim0min

        Đánh giá 7

        Đánh giá trung bình 5.0

        5

        100% đã tham gia

        Tôi cảm thấy mình học được nhiều điều hơn là bài giảng với những lời giải thích chi tiết, ví dụ, tài liệu, tài liệu đính kèm, v.v. Cảm ơn

        • sw9912038403님의 프로필 이미지
          sw9912038403

          Đánh giá 10

          Đánh giá trung bình 5.0

          5

          100% đã tham gia

          Cảm ơn

          • peanutbutterjamie님의 프로필 이미지
            peanutbutterjamie

            Đánh giá 3

            Đánh giá trung bình 4.0

            4

            100% đã tham gia

            Nó hơi khó nghe đối với người mới bắt đầu nhưng nó rất hữu ích!

            Khóa học khác của todaycode

            Hãy khám phá các khóa học khác của giảng viên!

            Khóa học tương tự

            Khám phá các khóa học khác trong cùng lĩnh vực!