内容
0 课时 • 0 测验 • 0 挑战
课程暂未关联课时
当前课程存在，但没有可学习的课时内容。请稍后再试。
☆☆☆☆☆
0.0初级
30h
精通 spaCy
本课程全面介绍了自然语言处理（NLP）领域广泛使用的 Python 库 spaCy，涵盖 spaCy 的基础功能（如分词和词性标注）以及高级主题（如自定义模型训练和 NLP 管道构建）。 课程分为三个部分： 第一部分聚焦 spaCy 的基础知识、架构、安装与配置，讲解常见的 NLP 任务，包括分词、命名实体识别（NER）、词性标注（POS）和依存句法分析。 第二部分深入探讨 spaCy 的功能，涵盖句法与语义处理，介绍基于规则的模式匹配以及通过词向量实现的语义分析，并系统讲解统计信息抽取技术。 第三部分研究高级主题，包括开发复杂的 NLP 模型，这些内容需要专业知识、分析能力和实践经验。课程中将开展多个不同 NLP 任务的实验，例如根据特定需求定制统计模型。
12 课时
精通 spaCy
本课程全面介绍了自然语言处理（NLP）领域广泛使用的 Python 库 spaCy，涵盖 spaCy 的基础功能（如分词和词性标注）以及高级主题（如自定义模型训练和 NLP 管道构建）。
课程分为三个部分：
第一部分聚焦 spaCy 的基础知识、架构、安装与配置，讲解常见的 NLP 任务，包括分词、命名实体识别（NER）、词性标注（POS）和依存句法分析。
第二部分深入探讨 spaCy 的功能，涵盖句法与语义处理，介绍基于规则的模式匹配以及通过词向量实现的语义分析，并系统讲解统计信息抽取技术。
第三部分研究高级主题，包括开发复杂的 NLP 模型，这些内容需要专业知识、分析能力和实践经验。课程中将开展多个不同 NLP 任务的实验，例如根据特定需求定制统计模型。
本课程全面介绍了自然语言处理（NLP）领域广泛使用的 Python 库 spaCy，涵盖 spaCy 的基础功能（如分词和词性标注）以及高级主题（如自定义模型训练和 NLP 管道构建）。
课程分为三个部分：
第一部分聚焦 spaCy 的基础知识、架构、安装与配置，讲解常见的 NLP 任务，包括...
你将学到什么
了解 spaCy 的架构及其用于自然语言处理任务的各个组件
能够自定义和训练用于自然语言处理任务的统计模型
具备使用高级自然语言处理功能的能力
了解如何构建和优化自然语言处理（NLP）流水线
使用 spaCy 进行实际 NLP 应用的动手实践
了解 spaCy 的架构及其用于自然语言处理任务的各个组件
评价
阅读参加过此课程的学生的评价，并分享您的学习体验。