Machine Learning zur Text-Analyse und Text Mining mit Python
Webinar - GFU Cyrus AG
Das Seminar hilft Ihnen, sowohl grundlegende als auch fortgeschrittene NLP-Techniken schnell zu erlernen und zu implementieren. Sie lernen, wie Sie eine breite Palette von NLP-Paketen effizient nutzen, Textklassifikationen implementieren und Teile der Sprache identifizieren können. Sie lernen auch etwas über Themenmodellierung, Textzusammenfassung, Texterzeugung, Stimmungsanalysen und viele andere NLP-Anwendungen. Das Seminar konzentriert sich auf die Implementierung von End-to-End-Projekten mit Python und den Einsatz modernster Algorithmen und Transfer-Learning. Wir starten mit der Besprechung von Textdatensammlungen, Web Scraping und verschiedenen Arten von Datenquellen. Sie lernen, wie Sie Textdaten vorverarbeiten und sie mit fortschrittlichen Algorithmen analysieren können. Das Seminar behandelt komplexe NLP-Lösungen, die Textnormalisierung, verschiedene fortgeschrittene Vorverarbeitungsmethoden, Part-of-Speech (POS)-Tagging, Parsing, Textzusammenfassung, Stimmungsanalyse, Themenmodellierung, Named-Entity-Recognition (NER), Word2Vec, Seq2Seq und vieles mehr umfassen. Wir behandeln verschiedene fortgeschrittene Techniken zur Umwandlung von Text in Merkmale, wie GloVe, ELMo und BERT. Außerdem wird die Funktionsweise von Transformern am Beispiel von BERT und GPT erläutert. Das Seminar schließt mit der Implementierung einiger industrieller Anwendungen, die auch die Leistung von Deep-Learning-Techniken nutzen.
Transfer-Lernen mit vortrainierten Einbettungen für Dokumentklassifizierung
Textklassifikation
Klassifizierung von Verbraucherbeschwerden
Textzusammenfassung und Topic Modeling (Textkategorisierung)
Extrahierende und abstrahierende Algorithmen (TextRank, Luhn, Pegasus)
Textzusammenfassung mit NLTK
Topic Modeling mit LDA
Textklassifizierung mit Deep Learning
Stimmungsanalyse mit supervised und unsupervised Techniken
Stimmungsanalyse mit RNN, LSTM
Stimmungsanalyse mit CNN
Textübersetzung mit Seq2Seq-Modell
Erstellen von Seq2Seq-Trainingsmodellen
Vorhersagen mit Seq2Seq
Neuester Stand der Technik mit BERT-Transformer
Textklassifikation mit BERT
Frage-und-Antwort (Q&A)
bei dem das Modell über einen Eingabetext (z. B. einen Wikipedia-Artikel) nachdenken muss, um Fragen zu beantworten
Dauer/zeitlicher Ablauf:
3 Tage
Zielgruppe:
Wenn Sie sich für Natural Language Processing, Text Mining und Maschinelles Lernen begeistern und schnell die automatische Text-Analyse und - Generierung beherrschen möchten, dann ist das Seminar richtig für Sie. Es werden keine Programmierkenntnisse vorausgesetzt.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.