Introduction à Spacy pour le traitement du langage naturel – Cours Udemy gratuits
Éditeur : Laxmi Kant | KGP Talkie
Durée du cours :
->
Langue du cours : Anglais
La description
Salut,
Ce cours est entièrement consacré à SpaCy. Spacy est rapide et facile à utiliser que NLTK. C’est l’un des éléments fondamentaux de la PNL moderne d’aujourd’hui. SpaCy est une bibliothèque de logiciels open source pour le traitement avancé du langage naturel, écrite dans les langages de programmation Python et Cython. La bibliothèque est publiée sous licence MIT et ses principaux développeurs sont Matthew Honnibal et Ines Montani, les fondateurs de la société de logiciels Explosion.
Faire avancer les choses
SpaCy est conçu pour vous aider à faire du vrai travail – pour créer de vrais produits ou recueillir de vraies idées. La bibliothèque respecte votre temps et essaie d’éviter de le perdre. Il est facile à installer et son API est simple et productive. Nous aimons penser à spaCy comme le Ruby on Rails of Natural Language Processing.
Brûlant vite
SpaCy excelle dans les tâches d’extraction d’informations à grande échelle. Il est écrit à partir de zéro en Cython soigneusement géré en mémoire. Des recherches indépendantes menées en 2015 ont révélé que spaCy était le plus rapide au monde. Si votre application doit traiter des vidages Web entiers, spaCy est la bibliothèque que vous souhaitez utiliser.
L’apprentissage en profondeur
spaCy est le meilleur moyen de préparer le texte pour un apprentissage en profondeur. Il interagit de manière transparente avec TensorFlow, PyTorch, scikit-learn, Gensim et le reste de l’impressionnant écosystème d’IA de Python. Avec spaCy, vous pouvez facilement construire des modèles statistiques linguistiquement sophistiqués pour une variété de problèmes de PNL.
Caractéristiques
Non destructif tokenisation
Entité nommée reconnaissance
Soutien 59+ langues
46 modèles statistiques pour 16 langues
Pré-formé vecteurs de mots
Vitesse ultramoderne
Facile l’apprentissage en profondeur l’intégration
Marquage d’une partie du discours
Analyse de dépendance étiquetée
Segmentation de phrases basée sur la syntaxe
Intégré visualiseurs pour la syntaxe et NER
Mappage chaîne à hachage pratique
Exporter vers des tableaux de données NumPy
Sérialisation binaire efficace
Facile emballage modèle et déploiement
Précision robuste et rigoureusement évaluée
Et bien plus.