Tarefas de geração de sequências

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este exercício faz parte do curso

Processamento de Linguagem Natural (NLP) em Python

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Aprenda o básico sobre processamento de texto em Processamento de Linguagem Natural (NLP). Domine técnicas como tokenização, remoção de palavras irrelevantes e pontuação, além de normalização de texto com conversão para minúsculas, stemming e lematização para preparar dados de texto para análises mais detalhadas e extração de insights.

Exercise 1: Introdução ao processamento de linguagem natural Exercise 2: Tokenização de frases e palavras Exercise 3: Fluxo de trabalho da PNL Exercise 4: Tratamento de palavras vazias e pontuação Exercise 5: Tirando palavras que não servem Exercise 6: Tirando pontuação Exercise 7: Técnicas de normalização de texto Exercise 8: Conversão para minúsculas Exercise 9: Radicalização Exercise 10: Lematização

Transforme texto bruto em recursos numéricos poderosos. Crie representações Bag-of-Words e TF-IDF para capturar a importância das palavras nos documentos e, em seguida, explore incorporações de palavras como Word2Vec e GloVe para descobrir padrões semânticos profundos. Visualize a frequência, a relevância e a semelhança para dar vida aos seus dados de texto.

Exercise 1: Representação Bag-of-Words Exercise 2: Construindo vocabulário a partir das avaliações dos clientes Exercise 3: Transformando texto em números com BoW Exercise 4: Análise de frequência das avaliações dos produtos Exercise 5: Visualizando frequências de palavras Exercise 6: Vetorização TF-IDF Exercise 7: Representação TF-IDF do feedback do produto Exercise 8: Comparando as representações BoW e TF-IDF Exercise 9: Incorporações (embeddings)Exercise 10: Explorando as relações entre palavras com embeddings Exercise 11: Visualizando e comparando incorporações de palavras

Aproveite o poder dos modelos pré-treinados para fazer tarefas avançadas de classificação de texto. Use os pipelines do Hugging Face para análise de sentimentos, classificação de tópicos e inferência de linguagem natural. Avalie a semelhança semântica e a correção gramatical com modelos de última geração, sem precisar criar nada do zero.

Exercise 1: Pipelines do Hugging Face para análise de sentimentos Exercise 2: Analisando o sentimento de uma avaliação Exercise 3: Classificar várias avaliações em lote Exercise 4: Comparando modelos em dados de avaliações rotulados Exercise 5: Classificação zero-shot e QNLI Exercise 6: Classificação zero-shot de tickets de suporte Exercise 7: O texto responde à pergunta?Exercise 8: Semelhança entre perguntas e correção gramatical Exercise 9: Detectando perguntas duplicadas Exercise 10: Verificando se tá tudo certo com a gramática

Mergulhe no mundo das aplicações modernas da PNL com técnicas de classificação de tokens e geração de texto. Aprenda a extrair entidades significativas e estruturas gramaticais usando NER e marcação PoS. Domine a resposta a perguntas extrativas e abstrativas e explore tarefas avançadas de geração, incluindo resumo, tradução e modelagem de linguagem usando pipelines Hugging Face.

Exercise 1: Classificação de tokens Exercise 2: Identificando entidades nomeadas em manchetes de notícias Exercise 3: Marcação de classes gramaticais para análise de texto Exercise 4: Resposta a perguntas Exercise 5: Respondendo perguntas das descrições dos produtos Exercise 6: Gerando respostas naturais com QA abstrativo Exercise 7: Tarefas de geração de sequências

Exercício atual

Exercise 8: Resumindo artigos de notícias pra dar uma visão geral rápida Exercise 9: Traduzindo comentários de clientes para o francês Exercise 10: Criando um sistema de preenchimento automático de pesquisa Exercise 11: Parabéns