TERMIN
28-12 – 29-12-2023
Zobacz pozostałe terminy

TRYB SZKOLENIA
Distance Learning
Sprawdź szkolenia stacjonarne

Lokalizacja Termin Cena Wybierz
{{place.city}}
{{ event_pack_item.event_details.education_center.name }} ???
Nowość {{place.price}} netto
{{ place.price | zlotyPriceWithTax }} brutto
 
Skontaktuj się z nami
Dostępne terminy:
DISTANCE LEARNING2023-12-28 - 2023-12-29
DISTANCE LEARNING2024-02-01 - 2024-02-02
DISTANCE LEARNING2024-04-25 - 2024-04-26
DISTANCE LEARNING2024-06-27 - 2024-06-28
DISTANCE LEARNING2024-08-01 - 2024-08-02
Lokalizacja i termin do uzgodnienia
Nowość {{place.price}} netto {{ place.price | zlotyPriceWithTax }} brutto
 
  • Liczba miejsc (dostępnych: {{ basketAddItem.free_seats}})
    {{ basketAddItem.city }}
    {{ basketAddItem.date }}
    Dodaj do koszyka LUB Zarezerwuj szkolenie
    Dodano do koszyka
    Liczba miejsc xxxxxxxxxx

Żeby dowiedzieć się, czy dane szkolenie będzie realizowane stacjonarnie skontaktuj się ze swoim Opiekunem lub zadaj pytanie przez Formularz kontaktowy

Szkolenie / Python...

Przetwarzanie języka naturalnego w Pythonie

Jesień z e-learningiem

Przeznaczenie szkolenia

Szkolenie przeznaczone jest dla osób chcących zdobyć podstawową wiedzę dotyczącą przetwarzania języka naturalnego (Natural language processing, NLP). Szkolenie ma charakter wykładowo-ćwiczeniowy. Omawiane zagadnienia ilustrowane są przykładami w języku Python, które stanowią bazę do samodzielnych ćwiczeń.

Korzyści wynikające z ukończenia szkolenia

NLP stanowi, obok analizy obrazów, jeden z wiodących obszarów uczenia maszynowego zarówno wśród badaczy jak i w zastosowaniach przemysłowych. Uczestnicy szkolenia zyskują teoretyczną oraz praktyczną wiedzę dotyczącą NLP oraz zastosowania bibliotek języka Python w omawianym zagadnieniu.

Oczekiwane przygotowanie słuchaczy

Python na poziomie podstawowym oraz podstawy uczenia maszynowego z wykorzystaniem języka Python (scikit-learn, pandas).

Język szkolenia

  • Szkolenie: polski

Szkolenie obejmuje

Szkolenie ma charakter wykładowo-ćwiczeniowy.

AGENDA SZKOLENIA

  1. Wyrażenia regularne
  2. Preprocessing tekstu
  3. Tokenizacja
  4. Stop words, lematyzacja
  5. Bag of words
  6. N-grams
  7. Wektory słów
  8. Vectorizery: Tf-idf vectorizer, Count vectorizer
  9. Word embedding
  10. Rozpoznawanie nazw własnych
  11. Analiza sentymentalna
  12. Zastosowanie klasycznych modeli
  13. Modele rekurencyjne
  14. Podstawy chat botów


Kod szkolenia PYTH_NLP / PL AA 2d
   array(6) {
  ["id"]=>
  string(36) "177239BF-B9FC-42DA-B699-B63DECFD98F3"
  ["name"]=>
  string(6) "Altkom"
  ["iscertificatevendor"]=>
  int(0)
  ["iscontentvendor"]=>
  int(1)
  ["imagehash"]=>
  string(12102) "data:image/png;base64,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"
  ["slug"]=>
  string(6) "altkom"
}
    
Pobierz PDF
FORMULARZ KONTAKTOWY
Imię

*

Nazwisko

*

Telefon

*

E-mail

*

Firma

Kod prom.

  • {{ order.city }} {{ order.date }} {{ order.price_without_promo }} {{ order.price }} {{ order.price }}   {{ order.code }} {{ order.price_without_promo }} {{ order.price }} {{ order.price }}  
Przetwarzanie języka naturalnego w Pythonie (PYTH_NLP / PL AA 2d)

Cena promocyjna od:
Cena netto
2100.00 PLN
1700 PLN
+ vat (2091 PLN brutto ) 1. os.
Tryb szkolenia: Distance Learning
Termin: 28-12-2023
Czas trwania: 2 dni (ilość godzin: 14)
Kup Teraz
Zadaj pytanie o szkolenie