پردازش زبان طبیعی با spaCy

آشنایی با spaCy، استاندارد صنعتی NLP

در این دوره، مدرس یاد می‌گیرد چگونه از spaCy، یک کتابخانه استاندارد و در حال رشد در صنعت، برای انجام تسک های مختلف پردازش زبان طبیعی مانند tokenization، تفکیک جملات، parsing و تشخیص موجودیت‌های نام‌دار استفاده کند. spaCy قابلیت‌هایی قدرتمند، ساده و آماده استفاده در محیط عملیاتی را برای طیف وسیعی از تسک های NLP فراهم می‌کند.

یادگیری عملیات اصلی spaCy

مدرس کار را با یادگیری عملیات اصلی spaCy آغاز می‌کند و می‌آموزد چگونه متن را parse کرده و اطلاعات را از داده‌ بدون ساختار استخراج کند. سپس با کلاس‌های spaCy مانند Doc ،Span و Token کار می‌کند و یاد می‌گیرد چگونه از مؤلفه‌های مختلف spaCy برای محاسبه word vectors و پیش‌بینی شباهت معنایی استفاده شود.

آموزش مدل‌های spaCy و آشنایی با تطبیق الگو

در این بخش، مدرس تمرین می‌کند تا الگوهای تطبیق ساده و پیچیده را برای استخراج اصطلاحات و عبارات مشخص از داده‌ بدون ساختار با استفاده از EntityRuler ،Matcher و PhraseMatcher بنویسد. همچنین یاد می‌گیرد چگونه مؤلفه‌های سفارشی pipeline ایجاد کرده و داده‌ آموزش و ارزیابی بسازد. در ادامه، وارد فرآیند آموزش مدل‌های spaCy و استفاده از آن‌ها برای inference می‌شود. در طول دوره، با مثال‌های واقعی کار می‌شود تا درک عملی استفاده از spaCy در پروژه‌های NLP تقویت گردد.