NLP – 用Python进行自然语言处理 | NLP – Natural Language Processing with Python_pyhton 英文语句处理 nlp

学习使用机器学习、Spacy、NLTK、SciKit-Learn、深度学习等进行自然语言处理

你将会学到的

• 学习使用 Python 处理文本文件

• 了解如何在 Python 中处理 PDF 文件

• 利用正则表达式在文本中进行模式搜索

• 使用 Spacy 进行超快速标记化

• 了解词干提取和词形还原

• 了解词汇匹配与 Spacy

• 使用词性标注自动处理原始文本文件

• 了解命名实体识别

• 使用 Spacy 可视化 POS 和 NER

• 使用 SciKit-Learn 进行文本分类

• 使用 Latent Dirichlet Allocation 进行主题建模

• 了解非负矩阵分解

• 使用 Word2Vec 算法

• 使用 NLTK 进行情感分析

• 使用深度学习构建您自己的聊天机器人

要求

• 了解通用Python

• 有权将 python 包安装到计算机上

• 网络连接

说明

欢迎来到互联网上最好的自然语言处理课程！本课程旨在成为您学习如何将自然语言处理与 Python 编程语言结合使用的完整在线资源。

在本课程中，我们将涵盖您成为世界一流的 Python NLP 从业者所需学习的一切。

我们将从基础开始，学习如何使用 Python 打开和处理文本和 PDF 文件，以及学习如何使用正则表达式在文本文件中搜索自定义模式。

之后，我们将从自然语言处理的基础知识开始，利用 Python 的自然语言工具包库，以及用于超快速标记化、解析、实体识别和文本词形还原的最先进的 Spacy 库。

我们将了解基本的 NLP 概念，例如词干提取、词形还原、停用词、短语匹配、分词等等！

接下来我们将介绍词性标注，您的 Python 脚本将能够自动将文本中的单词分配给它们适当的词性，例如名词、动词和形容词，这是构建智能语言系统的重要部分。

我们还将学习命名实体识别，让您的代码通过提供文本信息自动理解金钱、时间、公司、产品等概念。

通过最先进的可视化库，我们将能够实时查看这些关系。

然后，我们将继续了解使用 Scikit-Learn 进行的机器学习以进行文本分类，例如自动构建机器学习系统来确定正面与负面电影评论，或垃圾邮件与合法电子邮件。

我们会将这些知识扩展到更复杂的自然语言处理无监督学习方法，例如主题建模，我们的机器学习模型将从原始文本文件中检测主题和主要概念。

本课程甚至涵盖高级主题，例如使用 NLTK 库对文本进行情感分析，以及使用 Word2Vec 算法创建语义词向量。

本课程包括一个完整的部分，专门介绍最先进的高级主题，例如使用深度学习构建我们自己的聊天机器人！

您不仅可以通过本课程获得精彩的技术内容，还可以访问我们与课程相关的问答论坛以及我们的实时学生聊天频道，这样您就可以与其他学生合作完成项目，或者获得我和课程助教对课程内容的帮助。

所有这些都附带 30 天退款保证，因此您可以无风险地尝试课程。

你在等什么？立即成为自然语言处理专家！

我会在课程中见到你，

何塞

此课程面向哪些人：

• 有兴趣学习如何使用自然语言处理的 Python 开发人员。