Глубокое обучение (нейронные сети) на Python часть 3. Анализ текстовых данных и обработка естественного языка

Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать самые сложные задачи обработки естественного языка.

На курсе слушатели научатся применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных к приемам классификации и кластеризации текстов, визуальной интерпретации, анализу графов, использованию глубокого обучения для анализа текста.

Целевая аудитория

Начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science, желающих продолжить знакомство с темой машинного обучения, с технологиями анализа текстовой информации.

Расписание открытых форматов курса

Дистанционный формат — 150 000 ₽.

Очный формат — 150 000 ₽.

Стоимость обучения одного слушателя

В результате освоения курса вы:

понимать сложности компьютерной обработки естественного языка;
создавать собственный корпус данных;
предварительно обрабатывать и преобразовывать корпус данных;
создать приложения классификации текста;
проводить кластеризацию для выявления сходств в тексте;
проводить контекстно-зависимый анализ текста;
визуализировать текст;
применять графовые методы анализа текста;
создавать чат-боты.

что такое корпус;
как проводить трансформацию корпуса;
как распределяются слова в пространстве;
как создать приложение классификации текста;
как кластеризовать документы по сходству;
как провести контекстно-зависимый анализ текста;
как визуализировать пространство признаков;
как извлечь графы из текста;
где применимо обучение для рекомендаций.

Научитесь

Узнаете

Основная информация

05 февраля 2024
18 марта 2024
17 июня 2024
02 сентября 2024

пн–чт 10:00–17:30

150 000 руб.

м. Аэропорт,
Ленинградский проспект 68/24

Верхотуров Марк Валерьевич
Беляев Александр Владимирович

Порядок записи на курс

Консультация

Выбор курса

Заключение договора

Оплата обучения.

Подробная программа курса

1 Сложности компьютерной обработки естественного языка

2 Естественные языки и вычисления

2.1 Парадигма Data Science
2.2 Приложения данных, основанные на анализе естественного языка
2.3 Язык как данные

3 Создание собственного корпуса

3.1 Что такое корпус?
3.2 Управление корпусом данных
3.3 Объекты чтения корпусов

4 Предварительная обработка и преобразование корпуса

4.1 Разбивка документов
4.2 Трансформация корпуса

5 Конвейеры векторизации и преобразования

5.1 Слова в пространстве
5.2 Scikit-Learn API
5.3 Конвейеры

6 Классификация в текстовом анализе

6.1 Классификация текста.
6.2 Создание приложений классификации текста

7 Кластеризация для выявления сходств в тексте

7.1 Обучение на текстовых данных без учителя
7.2 Кластеризация документов по сходству
7.3 Моделирование тематики документов

8 Контекстно-зависимый анализ текста

8.1 Извлечение признаков на основе грамматики
8.2 Извлечение признаков на основе n-грамм
8.3 Модели языка n-грамм

9 Визуализация текста

9.1 Визуализация пространства признаков
9.2 Диагностика моделей
9.3 Визуальная настройка

10 Графовые методы анализа текста

10.1 Вычисление и анализ графов
10.2 Извлечение графов из текста
10.3 Разрешение сущностей

11 Чат-боты

11.1 Основы диалогового взаимодействия
11.2 Правила вежливой беседы
11.3 Занимательные вопросы
11.4 Обучение для рекомендаций

Возможные форматы обучения и размеры групп

очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 45 слушателей).

Документы об окончании

Удостоверение о повышении квалификации

Требуемый уровень предварительной подготовки

Опыт программирования на языке Python и знание основных библиотек Python для научных расчетов: Numpy, Pandas, Matplotlib. Понимание разделов математики: теория вероятности, статистика, математический анализ, линейная алгебра. Навыки работы с алгоритмами машинного обучения и начальные навыки работы с нейронными сетями (технологиями глубокого обучения).

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer

Разработка на Python
Сбор и анализ данных
Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов

Консалтинг
Коучинг

Специализация

Должность

Дополнительные услуги

Ведёт 13 курсов в ЦЕСИНКОМ

Разработчик информационных систем, системный аналитик, аналитик данных

Разработка на Python
Машинное обучение
Математическая оптимизация

Консалтинг

Специализация

Должность

Дополнительные услуги

Ведёт 19 курсов в ЦЕСИНКОМ

Разработка курса или траектории обучения под вашу задачу

Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.

Рекомендуемые курсы

Список курсов, которые дополняют данный курс

Список категорий каталога, в которые включён курс

Траектории, в которые входит данный курс

Список курсов, требующихся для прохождения данного курса

Программирование на Python, часть 1

Программирование на Python, часть 2

Программирование на Python, часть 3. Numpy для Data Science

Программирование на Python, часть 4. Pandas для Data Science. Высокопроизводительная обработка и анализ данных в Pandas

Математика для Data Science, часть 1. Теория вероятностей и статистика

Математика для Data Science, часть 2. Математический анализ и линейная алгебра

Машинное обучения на Python, часть 1

Машинное обучения на Python, часть 2

Глубокое обучение (нейронные сети) на Python, часть 1

Глубокое обучение (нейронные сети) на Python часть 2