Schulungsübersicht

Einführung

  • Definition von "Industrielle Sprachverarbeitung"

Installation von spaCy

spaCy Komponenten

  • Part-of-Speech Tagger
  • Named Entity Erkenner
  • Dependenz-Parser

Überblick über spaCy Features und Syntax

Verständnis der spaCy Modellierung

  • Statistische Modellierung und Vorhersage

Verwendung der SpaCy Befehlszeilenschnittstelle (CLI)

  • Grundlegende Befehle

Erstellen einer einfachen Anwendung zur Verhaltensprognose

Training eines neuen statistischen Modells

  • Daten (für das Training)
  • Labels (Tags, benannte Entitäten, etc.)

Laden des Modells

  • Mischen und Schleifenbildung

Abspeichern des Modells

Feedback an das Modell geben

  • Fehlergradient

Aktualisieren des Modells

  • Aktualisierung des Entity Recognizer
  • Extrahieren von Token mit regelbasiertem Matcher

Entwickeln einer verallgemeinerten Theorie für erwartete Ergebnisse

Fallstudie

  • Unterscheidung von Produktnamen und Firmennamen

Verfeinerung der Trainingsdaten

  • Auswählen repräsentativer Daten
  • Festlegung der Abbrecherquote

Andere Trainingsstile

  • Übergabe von Rohtexten
  • Übergabe von Wörterbüchern mit Annotationen

Vorverarbeitung von Text mit spaCy für Deep Learning

Integration von spaCy in bestehende Anwendungen

Testen und Debuggen des spaCy-Modells

  • Die Bedeutung der Iteration

Einsatz des Modells in der Produktion

Überwachen und Anpassen des Modells

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Python Programmiererfahrung.
  • Grundkenntnisse in Statistik
  • Erfahrungen mit der Kommandozeile

Publikum

  • Entwickler
  • Datenwissenschaftler
  14 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (4)

Kombinierte Kurse

Verwandte Kategorien