or
Questo esercizio fa parte del corso
In questo capitolo farai conoscenza con il NLP e alcune applicazioni, come il riconoscimento di entità nominate e i chatbot basati su AI. Imparerai a usare la potente libreria spaCy per svolgere diverse attività di elaborazione del linguaggio naturale, tra cui tokenizzazione, segmentazione in frasi, POS tagging e riconoscimento di entità nominate.
Scopri le caratteristiche linguistiche, i word vector, la similarità semantica, le analogie e le operazioni sui word vector. In questo capitolo vedrai come usare spaCy per estrarre i word vector, categorizzare testi pertinenti a un determinato argomento e trovare termini semanticamente simili a parole date partendo da un corpus o dal vocabolario di un modello spaCy.
Familiarizza con i componenti della pipeline di spaCy, come aggiungere un componente e come analizzare la pipeline NLP. Imparerai anche diversi approcci per l’estrazione di informazioni basata su regole usando le classi EntityRuler, Matcher e PhraseMatcher in spaCy e il pacchetto RegEx di Python.
Esplora vari casi d’uso reali in cui i modelli spaCy possono fallire e scopri come addestrarli ulteriormente per migliorarne le prestazioni. Ti verranno presentati i passaggi dell’addestramento in spaCy e capirai come addestrare un modello spaCy esistente o da zero, e come valutarlo in fase di inferenza.
Esercizio attuale