學習 Natural Language Processing（NLP）中的文字處理要點。熟練斷詞、停用詞與標點去除，以及以小寫化、詞幹提取與詞形還原進行文字正規化，為後續分析與洞見擷取做好準備。

自然語言處理導論

句子與字詞的斷詞（tokenization）

NLP 工作流程

停用詞與標點符號處理

移除停用詞

移除標點符號

文字正規化技巧

轉小寫（Lowercasing）

詞幹提取（Stemming）

詞形還原（Lemmatization）

文字處理基礎

將原始文字轉換為強大的數值特徵。建立 Bag-of-Words 與 TF-IDF 表徵以捕捉詞語在文件間的重要性，接著探索 Word2Vec 與 GloVe 等詞向量，以發掘更深層的語意模式。視覺化頻率、相關性與相似度，讓你的文字資料一目了然。

Bag-of-Words 表示法

從顧客評論建立詞彙表

用 BoW 將文字轉成數值

產品評論的詞頻分析

視覺化單字頻率

TF-IDF 向量化

產品回饋的 TF-IDF 表示法

比較 BoW 與 TF-IDF 的表徵

嵌入向量（Embeddings）

用嵌入向量探索字詞關係

可視化並比較詞嵌入向量

從文字擷取特徵

運用預先訓練的模型來完成進階的文字分類工作。使用 Hugging Face 的 pipeline 進行情感分析、主題分類與自然語言推論。透過最先進的模型評估語意相似度與文法正確性，且無需從零開始建立模型。

用 Hugging Face 的 pipeline 做情緒分析

分析評論的情感傾向

批次分類多則評論

在有標籤的評論資料上比較模型

Zero-shot 分類與 QNLI

客服回報單的零樣本分類

這段文字有回答問題嗎？

問題相似度與文法正確性

偵測重複問題

檢查語法正確性

使用 Hugging Face 進行文字分類

深入現代 NLP 應用的核心：詞元分類與文字生成。學習使用 NER 與 PoS 標註萃取有意義的實體與文法結構。熟悉擷取式與生成式問答，並探索包含摘要、翻譯與語言建模在內的進階生成任務，全部透過 Hugging Face 的 pipeline 完成。

Token classification（權杖分類）

辨識新聞標題中的命名實體

用詞性標記進行文字分析

問答

從產品描述中回答問題

使用抽象式 QA 產生自然答案

序列產生任務

快速擷取重點：新聞文章摘要

將顧客評論翻譯成法文

建立搜尋自動完成系統

恭喜你

詞元分類與文字生成

product_reviews.csv

善用 Natural Language Processing（NLP）的力量，將你的文字分析能力更上一層樓！本課程提供你處理、分析並從文字資料中擷取洞見的核心工具。從文字處理的基礎開始，例如斷詞（tokenization）、詞形還原（lemmatization）與詞幹提取（stemming），一路到使用 bag-of-words（BoW）、TF-IDF 與 embeddings 將文字轉換為有意義的數值特徵。最後，透過 Hugging Face 掌握最先進的 transformer 模型。你將能進行情感分析、內容分類、問答關係分析、文法可接受度評估，並使用最新模型產生文字。

<h2>建立堅實的NLP基礎 </h2>發掘自然語言處理（NLP）的強大潛力，讓您的文本分析技能更上一層樓！本課程將為您提供處理、分析及從文字資料中萃取洞見的必要工具。 從文本處理的基礎開始，涵蓋分詞、清理與正規化文本，包括移除停用詞、標點符號，以及應用詞形還原與詞幹提取，以提升文本的一致性。<br><br><h2>從文字中萃取有意義的特徵</h2>超越原始文字，將其轉換為數值化的表示方式！探索 Bag-of-Words 表示法，深入了解 TF-IDF 向量化，並運用強大的詞嵌入技術，如 Word2Vec 和 GloVe，以捕捉詞語之間的語意關係。<br><br><h2>使用 AI 進行文本分類與生成</h2>運用 Hugging Face pipelines 掌握最先進的 transformer 模型技術。 學習如何進行情感分析、分類內容、分析問答關係、評估語法可接受性，並運用各種模型產生文本。 探索命名實體識別（NER）、詞性標註（PoS）、文本摘要與翻譯，全面提升您的自然語言處理（NLP）技能組。<br><br><h2>精通主要的NLP函式庫</h2>完成本課程後，您將深入掌握NLP的基礎知識，並能實際操作nltk、sklearn、gensim及Hugging Face的transformers等主要函式庫。 立即開始您的學習之旅，徹底改變您與文字資料互動的方式！

Python Toolbox

掌握文本分析，從預處理到高級變壓器模型的基本NLP技術。

Python 的 Natural Language Processing（NLP）

精通文本分析，學習從預處理到先進 transformer 模型的關鍵 NLP 技術。 

大語言模型開發之旅

機器學習科學家 使用 Python

自然語言處理 使用 Python

從書籍、推文或網站等各種來源蒐集原始文字

執行特徵擷取，產生數值化表示

進行建模以取得洞見或做出預測

NLP 工作流程

Python 的 Natural Language Processing（NLP）

動手互動練習