|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/nlp-master-en-ciencia-de-datos-datascience/
课程评论：没有评论
课程名称：**自然语言处理 (NLP)** **课程概述：** 本课程旨在教授自然语言处理（NLP）的核心概念及其在自动化文本分析中的应用，帮助学员从非结构化数据中提取有价值的信息。 **主要学习内容：** * **核心NLP技术：** * **分词 (Tokenization)，词干提取 (Stemming) 与词形还原 (Lemmatization)：** 学习将文本分割成可管理单元，并将词语还原至词根或基本形式，以优化文本分析。 * **停用词移除与文本清洗 (Stopwords Removal and Text Cleaning)：** 掌握移除常用词（停用词），以及文本标准化、符号去除、文本转换等技术，以提高文本处理质量。 * **命名实体识别 (Named Entity Recognition, NER) 与语法分析：** 学习识别文本中的命名实体（人名、地名、机构名等），并进行语法结构分析，包括对副词、名词、动词的标记。 * **文本表示方法：** * **文本编码 (Text Encoding): OHE, Bag of Words, N-grams：** 学习使用独热编码 (One Hot Encoding)、词袋模型 (Bag of Words) 和 N-grams 技术将文本转换为数值向量，以便用于机器学习模型。 * **TF-IDF 与文本嵌入 (Embeddings):** 应用 TF-IDF 和词嵌入技术（如Word2Vec, GloVe）以数值形式表示词语的上下文含义。 * **高级文本预处理 (Advanced Text Preprocessing)：** 构建高效的预处理流程，为深度文本分析和预测模型做好准备。 * **实践项目：** * **垃圾邮件分类 (Spam Classification)：** 构建模型识别电子邮件或消息中的垃圾内容。 * **评论主题检测 (Topic Detection in Reviews, LDA)：** 应用潜在狄利克雷分配 (LDA) 模型发现产品或服务评论中的常见主题，解释趋势和普遍观点。 * **社交媒体品牌分析 (Brand Analysis in Social Media)：** 通过文本处理、图可视化和情感分析技术，分析社交媒体中对品牌的提及和看法。 * **即时通讯与邮件词汇推荐 (Word Recommender in Messaging and Emails, N-grams)：** 构建基于 n-gram 模型的词语预测系统，在用户输入时推荐下一个词。 **课程目标：** 本课程将提供坚实的自然语言处理基础，使您能够将文本数据转化为具有战略意义的信息，并将其应用于各种商业和社交分析领域。
Cupón JUNIO: A7BA4A9E09F8CF031FBEProcesamiento de Lenguaje Natural (NLP)Comprenderás los conceptos clave del NLP y su aplicación en el análisis automatizado de texto para extraer información valiosa desde datos no estructurados.Tokenización, Stemming y LematizaciónAprenderás técnicas fundamentales para dividir textos en unidades manejables (tokens), reducir palabras a sus raíces (stemming) y obtener sus formas base (lemmatización), optimizando el análisis textual.Eliminación de Palabras Vacías y Limpieza de TextoExplorarás el uso de stopwords y métodos de limpieza como normalización, eliminación de signos, y transformación de textos para mejorar la calidad del procesamiento.Reconocimiento de Entidades y Análisis GramaticalIdentificarás entidades nombradas (personas, lugares, organizaciones) y analizarás la estructura gramatical del texto, incluyendo el etiquetado de adverbios, sustantivos y verbos.Codificación de Texto: OHE, Bag of Words y N-gramsConvertirás textos en vectores numéricos mediante técnicas como One Hot Encoding, Bag of Words y generación de N-grams, facilitando su uso en modelos de Machine Learning.TF-IDF y EmbeddingsAplicarás métodos como TF-IDF y embeddings (Word2Vec, GloVe, etc.) para representar el significado contextual de las palabras en forma numérica.Preprocesamiento de Texto AvanzadoDesarrollarás pipelines de preprocesamiento eficientes que preparan textos para análisis profundo y modelado predictivo.Proyectos PrácticosClasificación de Spam (Clasificación de Texto)Construirás modelos para identificar mensajes no deseados en correos electrónicos o plataformas de mensajería utilizando técnicas modernas de NLP.Detección de Temas Recurrentes en Reseñas (LDA)Aplicarás el modelo de Asignación Latente de Dirichlet (LDA) para descubrir temas frecuentes en reseñas de productos o servicios, interpretando tendencias y opiniones comunes.Análisis de Marcas en Redes Sociales (Grafos y Opiniones)Analizarás menciones y percepciones de marcas en redes sociales mediante procesamiento de texto, visualización de grafos y técnicas de análisis de sentimientos.Recomendador de Palabras en Mensajería y Correos (N-Gramas)Construirás un sistema de predicción de palabras basado en modelos de n-gramas, que sugiere la siguiente palabra mientras se escribe en plataformas como WhatsApp o emails.Este curso te proporcionará una formación sólida en procesamiento de lenguaje natural, permitiéndote convertir datos textuales en información estratégica aplicable en diversos contextos de negocio y análisis social.
