or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
เรียนรู้พื้นฐานการประมวลผลข้อความใน NLP เชี่ยวชาญเทคนิคต่าง ๆ เช่น tokenization การกำจัด stop word และเครื่องหมายวรรคตอน รวมถึงการทำให้ข้อความเป็นมาตรฐานด้วย lowercasing, stemming และ lemmatization เพื่อเตรียมข้อมูลข้อความสำหรับการวิเคราะห์และดึงข้อมูลเชิงลึกในขั้นต่อไป
แปลงข้อความดิบให้เป็นฟีเจอร์เชิงตัวเลขที่มีประสิทธิภาพ สร้างการแทนค่าแบบ Bag-of-Words และ TF-IDF เพื่อจับความสำคัญของคำในเอกสาร จากนั้นสำรวจ word embeddings อย่าง Word2Vec และ GloVe เพื่อค้นหารูปแบบความหมายเชิงลึก พร้อมทั้งแสดงภาพความถี่ ความเกี่ยวข้อง และความคล้ายคลึงของข้อมูลข้อความ
นำโมเดลที่ผ่านการฝึกมาแล้วมาใช้ในงานจำแนกข้อความขั้นสูง ใช้ Hugging Face pipelines สำหรับการวิเคราะห์ความรู้สึก การจำแนกหัวข้อ และการอนุมานภาษาธรรมชาติ ประเมินความคล้ายคลึงเชิงความหมายและความถูกต้องทางไวยากรณ์ด้วยโมเดลล่าสุด โดยไม่ต้องสร้างโมเดลขึ้นมาเอง
เจาะลึกแกนกลางของแอปพลิเคชัน NLP สมัยใหม่ด้วยเทคนิคการจำแนก token และการสร้างข้อความ เรียนรู้การสกัด entity และโครงสร้างทางไวยากรณ์ด้วย NER และ PoS tagging ฝึกทั้งการตอบคำถามแบบ extractive และ abstractive และสำรวจงานการสร้างข้อความขั้นสูง เช่น การสรุปความ การแปลภาษา และ language modeling ผ่าน Hugging Face pipelines
แบบฝึกหัดปัจจุบัน