강의

멘토링

커뮤니티

Data Science

/

Data Analysis

Phương pháp phân tích Big Data/Text Mining (LDA, BERTtopic, phân tích cảm xúc, CONCOR với ChatGPT)

Đây là khóa học học các kỹ thuật phân tích Text Mining, Big Data, tần suất từ, trực quan hóa Word Cloud, hình thái từ, Topic Modeling bằng Python và ChatGPT, cùng với cách ứng dụng kỹ thuật phân tích dữ liệu Text Mining, cách sử dụng cơ bản trong luận văn nghiên cứu khi viết.

(4.5) 15 đánh giá

154 học viên

Độ khó Cơ bản

Thời gian 8 tháng

  • HappyAI
Big Data
Big Data
Text Mining
Text Mining
Big Data
Big Data
Text Mining
Text Mining

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.5

5.0

뚱이 언니

63% đã tham gia

Xin chào, tôi đang để lại phần đánh giá khóa học sau khi nghe được khoảng một nửa buổi học. Tôi có bằng Tiến sĩ về ngôn ngữ học và đang tham gia khóa học hoàn toàn không có kiến ​​​​thức về Python. Giáo viên viết mã tốt và giải thích rõ ràng nên tôi nghe rất hài lòng. Gần đây em liên tục gặp lỗi liên quan đến việc sử dụng LDAvis nên thầy giúp em từ xa lúc 10h tối mà đến 12h30 cũng không được. Lúc đó đã muộn và cô giáo đã rất cố gắng giúp đỡ tôi nhưng tôi thực sự rất tiếc vì cô ấy không thể giúp được nhưng cô giáo đã sửa lỗi và gửi mã cho tôi qua email vào ngày hôm sau. Thầy là một người chân thành và nhiệt huyết với bài giảng của mình. (Khi vào thì để ý thấy giáo viên cũng đã cập nhật code trong danh sách bài giảng) Ngay cả khi bạn không có kiến ​​thức liên quan đến Python như tôi, bạn vẫn có thể tham gia giảng dạy nếu có khó khăn gì. anh ấy sẽ giúp bạn, vì vậy tôi hy vọng bạn sẽ tham gia bài giảng. Sau khi kết thúc khóa học này, tôi dự định tham gia một khóa học khác (trả phí) của bạn. Tôi hết lòng giới thiệu cả nội dung khóa học và giáo viên.

5.0

밝은 비버

45% đã tham gia

Đây là bài giảng mà tôi tìm thấy như một tia sáng khi tôi đang nản lòng khi tự mình nghiên cứu khai thác văn bản :-) Bạn giải thích tất cả các phương pháp hot được đề cập trong rất nhiều bài báo hiện nay, nhưng sao lại dễ hiểu đến vậy..!! (Thành thật mà nói, nếu bạn muốn mang nó đến trường thì nó tương đương với một bài giảng trong một học kỳ... Tôi không thể tin được là bạn lại dạy nó một cách cô đọng đến vậy.>.<) Trên hết, đây là một bài giảng thực hành hơn là một bài giảng lý thuyết nên rất hữu ích về mặt thực tiễn, và nó đáng giá từng xu học phí vì đây là một bài giảng có kiến ​​thức cô đọng. Đúng hơn là nó có vẻ rẻ tiền..ㅠㅠ Còn một điều nữa...điều hoàn hảo nhất ở bài giảng này...!! Nếu bạn để lại câu hỏi, giáo viên sẽ đưa ra phản hồi gần như theo thời gian thực và giúp các bạn cùng nhau giải quyết vấn đề cho đến cuối cùng, vì vậy tôi sẽ đồng ý với bạn!!^bb Cảm ơn thầy ~~

5.0

우아한 북극곰

100% đã tham gia

Đối với các sinh viên tốt nghiệp hoặc các nhà nghiên cứu đang chuẩn bị một bài nghiên cứu khai thác văn bản, khóa học này thực sự giống như mưa trong hạn hán. Có rất nhiều sách trên thị trường liên quan đến khai thác văn bản Python, nhưng không có sách nào cung cấp hướng dẫn cho người mới bắt đầu viết mã thực sự áp dụng mã hóa vào tài liệu nghiên cứu. Bài giảng này đề cập đến mã hóa Python từ giai đoạn thu thập dữ liệu đến các phương pháp phân tích để mã hóa có thể được áp dụng trực tiếp vào nghiên cứu. giấy tờ. Nó rất hữu ích vì nó cho thấy toàn bộ quá trình nó thực sự hoạt động như thế nào. Tôi đặc biệt thích việc họ cung cấp phản hồi nhanh chóng và tử tế cho những câu hỏi mà tôi tò mò. Bài giảng này không dạy chi tiết các nguyên tắc ngữ pháp mã hóa. Tuy nhiên, ngay cả khi bạn không biết viết mã, khóa học này cho phép bạn áp dụng ngay những phần cần thiết cho nghiên cứu vào thực hành, vì vậy đây là khóa học hoàn hảo cho những ai muốn nghiên cứu khai thác văn bản nhưng gặp khó khăn khi áp dụng mã hóa!

Bạn sẽ nhận được điều này sau khi học.

  • Tóm tắt bí quyết cốt lõi Text Mining dùng Python

  • Phân tích tần suất từ

  • Trực quan hóa Word cloud

  • phân tích hình thái

  • TF-IDF giúp xác định độ quan trọng trong văn bản

  • Phân loại chủ đề văn bản sử dụng kỹ thuật LDA

  • Phương pháp diễn giải dữ liệu khi viết luận văn Big Data/Text Mining

  • Lý thuyết cốt lõi về Text Mining

  • Phân tích cảm xúc sử dụng từ điển cảm xúc KNU (Trích xuất từ vựng cảm xúc, Tỷ lệ tài liệu cảm xúc)

Để khai thác văn bản hoặc viết bài báo liên quan đến khai thác văn bản
Chào mừng những ai có thắc mắc! 🙌

Sẽ dễ hiểu hơn nếu bạn tham gia các bài giảng miễn phí "Khai thác văn bản cơ bản: Phân tích đánh giá ứng dụng bằng Python" "Bài giảng cơ bản về Textom: Phân tích nhận dạng SNS để viết bài báo dữ liệu lớn" trước khi tham gia khóa học .

Bài giảng này hướng dẫn bạn cách viết bài báo sử dụng các kỹ thuật cốt lõi trong các bài báo khai thác văn bản/phân tích dữ liệu lớn, từ các mô hình cổ điển như mô hình chủ đề LDA và phân tích tình cảm KNU đến kỹ thuật mới nhất, BERTopic.

Bài giảng này được thiết kế để giúp sinh viên sau đại học và các nhà nghiên cứu trong lĩnh vực nhân văn, nghệ thuật, giáo dục thể chất, sức khỏe và y học viết các bài báo về dữ liệu lớn.

Những sinh viên không chuyên ngành và sinh viên khoa học xã hội có thể loại bỏ nỗi sợ hãi và sự không chắc chắn về việc viết bài khai thác văn bản thông qua bài giảng này !

Bài giảng cũng bao gồm bí quyết thực hiện phân tích khai thác dữ liệu lớn/văn bản dễ dàng bằng ChatGPT .

" 📖 Người mới bắt đầu không cần phải tốn hàng giờ để phân tích các bài báo/văn bản về dữ liệu lớn. "

"Bài giảng dành cho những ai muốn học sâu nhưng ngắn gọn"

📚 Đây không phải là bài giảng giải thích các lý thuyết phức tạp hay những lời giải thích dài dòng mang tính lý thuyết.

Lý thuyết toán học được sử dụng trong mô hình LDA

🗝 Đây không phải là bài giảng cung cấp lời giải thích lý thuyết ở cấp độ chuyên gia mà là bài giảng thực tế có thể áp dụng ngay cho những người viết bài báo về công việc hoặc dữ liệu lớn.

Kết quả trực quan hóa các mô hình LDA chủ yếu được sử dụng trong các bài báo và thực hành

Chúng tôi cũng sẽ hướng dẫn bạn cách sử dụng mô hình BERTopic, mô hình này xuất hiện khá nhiều gần đây.

🗝 Bạn có thể áp dụng phân tích văn bản bằng cách chỉ cần sửa đổi mã được sử dụng trong bài giảng . (Cung cấp mã cho phép phân tích dữ liệu chỉ bằng cách thay đổi dữ liệu đầu vào )

📚 Bài giảng này là phiên bản tóm tắt của 6 năm kinh nghiệm phân tích văn bản và nghiên cứu.

📚 Chúng tôi dạy bạn những kỹ thuật cốt lõi được sử dụng nhiều nhất cho người mới bắt đầu.

Khai thác văn bản và dữ liệu lớn ngày càng được ứng dụng nhiều hơn trong mọi lĩnh vực nghiên cứu.

Thực hành doanh nghiệp cũng đòi hỏi khả năng xử lý dữ liệu văn bản phải được nhận dạng.

Chúng tôi đã tạo ra một bài giảng hiệu quả để bất kỳ ai cũng có thể dễ dàng theo dõi xu hướng hiện tại của dữ liệu lớn và khai thác văn bản thay vì mã hóa phức tạp và khó khăn.

  • 📚 Các dự án phân tích văn bản và nghiên cứu sử dụng Python

      

    💻 Bài giảng này sẽ giúp bạn viết một bài nghiên cứu dữ liệu lớn bằng cách sử dụng các kỹ thuật khai thác văn bản! (Đây là bài giảng giới thiệu dành cho người mới bắt đầu.)

    🚀 Chúng tôi sẽ dạy bạn những lý thuyết cốt lõi về phân tích văn bản và các kỹ thuật phân tích văn bản có thể áp dụng trong thực tế.

    🗝 Chúng tôi giúp bạn khám phá thông tin chi tiết từ khối lượng lớn tài liệu văn bản.

  • ✅ Khóa học này hướng dẫn các kỹ thuật phân tích dữ liệu lớn và khai thác văn bản bằng Python, đồng thời trình bày cách trích xuất thông tin có ý nghĩa từ dữ liệu và văn bản.

  • ✅ Đây là bài giảng phân tích văn bản để viết bài báo dữ liệu lớn (bài giảng cơ bản nhất để phân tích nhận dạng và phân tích xu hướng).

  • Tìm hiểu về thu thập và tinh chỉnh dữ liệu, xử lý trước dữ liệu văn bản, phân tích tần suất, phân tích TF-IDF, đám mây từ, LDA và mô hình hóa chủ đề bằng cách sử dụng phân tích tình cảm.

✅ Chúng tôi sẽ hướng dẫn bạn cách phân tích dữ liệu lớn dễ dàng hơn bằng cách sử dụng ChatGPT , LLM mới nhất.

Học những điều như thế này 📚

Bạn sẽ hiểu cách phân tích dữ liệu lớn và dữ liệu văn bản bằng Python.

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 .

Bạn có thể học các kỹ năng phân tích dữ liệu cần thiết để viết một bài báo về dữ liệu lớn.

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 .

Chúng tôi sẽ thực hành quy trình thu thập dữ liệu BigKinds và trích xuất trực tiếp dữ liệu để sử dụng trong các bài báo.

Chúng tôi sẽ hướng dẫn bạn cách phân tích dữ liệu lớn dễ dàng hơn bằng cách sử dụng ChatGPT, một mô hình AI đang là xu hướng hiện nay.


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 thông qua các bài giảng, sinh viên sẽ có thể đạt được trình độ năng lực cao trong lĩnh vực phân tích dữ liệu lớn và khai thác văn bản. Những kỹ năng này sẽ đóng góp rất lớn vào năng lực công việc và thành tích học tập của sinh viên.


Tính năng bài giảng ✨

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

Phân tích dữ liệu thực tế bằng Python thực tế

Giải thích dễ hiểu mà ngay cả người mới bắt đầu học 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 hợp lý giữa lý thuyết và thực hành! Đào tạo thực hành để tiến hành phân tích dữ liệu thực tế dựa trên lý thuyết

Vui lòng viết đánh giá khóa học sau khi hoàn thành 100% khóa học. Chúng tôi sẽ cung cấp bài giảng Textom cho những người hoàn thành 100% bài giảng và viết bài đánh giá!


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Học viên cao học, nghiên cứu viên viết luận văn/bài báo về Text Mining/Big Data

  • Người muốn học kỹ thuật Text mining

  • Người dùng Python làm Text mining

  • Thực hiện dự án và đề tài nghiên cứu Text mining

  • Người muốn phân tích dữ liệu mạng xã hội (SNS)

  • Người muốn tìm hiểu nhu cầu của khách hàng thông qua phân tích phản hồi và đánh giá để làm marketing.

  • Ai muốn thử phân tích cảm xúc

Cần biết trước khi bắt đầu?

  • Cần biết một chút cú pháp Python cơ bản.

  • Cần biết cách sử dụng Google Colab.

Xin chào
Đây là

4,479

Học viên

224

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

48 bài giảng ∙ (5giờ 38phút)

Tài liệu khóa học:

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

Đánh giá

Tất cả

15 đánh giá

4.5

15 đánh giá

  • runying03057863님의 프로필 이미지
    runying03057863

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    63% đã tham gia

    Xin chào, tôi đang để lại phần đánh giá khóa học sau khi nghe được khoảng một nửa buổi học. Tôi có bằng Tiến sĩ về ngôn ngữ học và đang tham gia khóa học hoàn toàn không có kiến ​​​​thức về Python. Giáo viên viết mã tốt và giải thích rõ ràng nên tôi nghe rất hài lòng. Gần đây em liên tục gặp lỗi liên quan đến việc sử dụng LDAvis nên thầy giúp em từ xa lúc 10h tối mà đến 12h30 cũng không được. Lúc đó đã muộn và cô giáo đã rất cố gắng giúp đỡ tôi nhưng tôi thực sự rất tiếc vì cô ấy không thể giúp được nhưng cô giáo đã sửa lỗi và gửi mã cho tôi qua email vào ngày hôm sau. Thầy là một người chân thành và nhiệt huyết với bài giảng của mình. (Khi vào thì để ý thấy giáo viên cũng đã cập nhật code trong danh sách bài giảng) Ngay cả khi bạn không có kiến ​​thức liên quan đến Python như tôi, bạn vẫn có thể tham gia giảng dạy nếu có khó khăn gì. anh ấy sẽ giúp bạn, vì vậy tôi hy vọng bạn sẽ tham gia bài giảng. Sau khi kết thúc khóa học này, tôi dự định tham gia một khóa học khác (trả phí) của bạn. Tôi hết lòng giới thiệu cả nội dung khóa học và giáo viên.

    • 밝은 비버님의 프로필 이미지
      밝은 비버

      Đánh giá 1

      Đánh giá trung bình 5.0

      5

      45% đã tham gia

      Đây là bài giảng mà tôi tìm thấy như một tia sáng khi tôi đang nản lòng khi tự mình nghiên cứu khai thác văn bản :-) Bạn giải thích tất cả các phương pháp hot được đề cập trong rất nhiều bài báo hiện nay, nhưng sao lại dễ hiểu đến vậy..!! (Thành thật mà nói, nếu bạn muốn mang nó đến trường thì nó tương đương với một bài giảng trong một học kỳ... Tôi không thể tin được là bạn lại dạy nó một cách cô đọng đến vậy.>.<) Trên hết, đây là một bài giảng thực hành hơn là một bài giảng lý thuyết nên rất hữu ích về mặt thực tiễn, và nó đáng giá từng xu học phí vì đây là một bài giảng có kiến ​​thức cô đọng. Đúng hơn là nó có vẻ rẻ tiền..ㅠㅠ Còn một điều nữa...điều hoàn hảo nhất ở bài giảng này...!! Nếu bạn để lại câu hỏi, giáo viên sẽ đưa ra phản hồi gần như theo thời gian thực và giúp các bạn cùng nhau giải quyết vấn đề cho đến cuối cùng, vì vậy tôi sẽ đồng ý với bạn!!^bb Cảm ơn thầy ~~

      • yeobi852767님의 프로필 이미지
        yeobi852767

        Đánh giá 1

        Đánh giá trung bình 5.0

        5

        100% đã tham gia

        Đối với các sinh viên tốt nghiệp hoặc các nhà nghiên cứu đang chuẩn bị một bài nghiên cứu khai thác văn bản, khóa học này thực sự giống như mưa trong hạn hán. Có rất nhiều sách trên thị trường liên quan đến khai thác văn bản Python, nhưng không có sách nào cung cấp hướng dẫn cho người mới bắt đầu viết mã thực sự áp dụng mã hóa vào tài liệu nghiên cứu. Bài giảng này đề cập đến mã hóa Python từ giai đoạn thu thập dữ liệu đến các phương pháp phân tích để mã hóa có thể được áp dụng trực tiếp vào nghiên cứu. giấy tờ. Nó rất hữu ích vì nó cho thấy toàn bộ quá trình nó thực sự hoạt động như thế nào. Tôi đặc biệt thích việc họ cung cấp phản hồi nhanh chóng và tử tế cho những câu hỏi mà tôi tò mò. Bài giảng này không dạy chi tiết các nguyên tắc ngữ pháp mã hóa. Tuy nhiên, ngay cả khi bạn không biết viết mã, khóa học này cho phép bạn áp dụng ngay những phần cần thiết cho nghiên cứu vào thực hành, vì vậy đây là khóa học hoàn hảo cho những ai muốn nghiên cứu khai thác văn bản nhưng gặp khó khăn khi áp dụng mã hóa!

        • pupplejin님의 프로필 이미지
          pupplejin

          Đánh giá 1

          Đánh giá trung bình 5.0

          5

          100% đã tham gia

          • aa47474198510님의 프로필 이미지
            aa47474198510

            Đánh giá 1

            Đánh giá trung bình 5.0

            5

            100% đã tham gia

            Thật tuyệt khi anh/chị đã chỉ cách áp dụng vào luận văn! Hy vọng sau này sẽ có thêm những khóa học chuyên sâu như thế này nữa :)

            2.259.716 ₫

            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!