or
Toto cvičení je součástí kurzu
Tato kapitola tě uvede do světa NLP a jeho typických použití – například rozpoznávání pojmenovaných entit nebo chatbotů s umělou inteligencí. Naučíš se pracovat s výkonnou knihovnou spaCy a provádět různé úlohy zpracování přirozeného jazyka: tokenizaci, segmentaci vět, značkování slovních druhů i rozpoznávání pojmenovaných entit.
Prozkoumáš lingvistické vlastnosti, slovní vektory, sémantickou podobnost, analogie a operace se slovními vektory. V této kapitole zjistíš, jak pomocí spaCy extrahovat slovní vektory, kategorizovat texty relevantní k danému tématu a vyhledávat sémanticky podobné výrazy ke zvoleným slovům z korpusu nebo ze slovníku modelu spaCy.
Seznámíš se s komponentami pipeline ve spaCy, naučíš se přidávat nové komponenty a analyzovat NLP pipeline. Dále poznáš různé přístupy k extrakci informací na základě pravidel – pomocí tříd EntityRuler, Matcher a PhraseMatcher ve spaCy a balíčku RegEx pro Python.
Prozkoumáš reálné situace, ve kterých modely spaCy selhávají, a naučíš se je dále trénovat, aby podávaly lepší výsledky. Projdeš si kroky trénování v spaCy, pochopíš, jak dotrénovat existující model nebo natrénovat nový od nuly, a naučíš se model vyhodnocovat při inferenci.
Aktuální cvičení