Opleiding : Tekst mining in de praktijk
Praktijkcursus - 3d
- 21u00 - Ref. MMD
|
Downloaden in pdf-formaat
Deze cursus delen via mail
 | Tekstuele statistische methoden begrijpen |
| Kenmerkenextractie implementeren uit tekstuele gegevens |
| Selecties en rankings maken van grote hoeveelheden tekstuele gegevens |
| Een classificatiealgoritme kiezen |
| De voorspellende prestatie van een algoritme evalueren |
Doelgroep
AI-engineers/projectmanagers, AI-consultants en iedereen die tekst mining voor machine learning en deep learning wil ontdekken.
Voorafgaande vereisten
Goede kennis van statistiek. Goede kennis van machine learning en deep learning. Vereiste ervaring.
Opleidingsprogramma
1 Traditionele benaderingen van text mining
- API's voor het ophalen van tekstuele gegevens.
- Tekstuele gegevens voorbereiden volgens het probleem.
- Ophalen en verkennen van het corpus van teksten.
- Accenten en speciale tekens verwijderen.
- Stemming, lemmatisering en verwijdering van verbindingswoorden.
- Alles samenbrengen om gegevens op te schonen en te standaardiseren.
Praktisch werk
Documenten zoeken, voorbereiden, transformeren en vectoriseren van gegevens in DataFrame.
2 Feature engineering voor tekstrepresentatie
- De syntaxis en structuur van de tekst begrijpen.
- De modellen Bag of Words en Bag of N-Grams.
- Het TF-IDF model, Transformer en Vectorizer.
- Het Word2Vec model en implementatie met Gensim.
- Het GloVe-model.
- Het FastText-model.
Praktisch werk
Bewerkingen opzetten om kenmerken uit tekstgegevens te extraheren om classificaties uit te voeren.
3 Tekstgelijkenis en classificatie zonder toezicht
- De essentiële concepten van gelijkenis.
- Term similariteitsanalyse: Hamming, Manhattan, Euclidische en Levenshtein afstanden.
- Gelijksoortigheidsanalyse van documenten.
- Okapi BM25 en de ranglijst.
- Classificatiealgoritmen zonder toezicht.
Praktisch werk
Bouw een aanbevelingssysteem voor vergelijkbare producten op basis van de beschrijving en inhoud van de producten die je hebt gekozen.
4 Gesuperviseerde tekstclassificatie
- Gegevens voorbewerken en standaardiseren.
- Classificatiemodellen.
- Multinomiale Naive Bayes.
- Logistische regressie. Ondersteunende vector machines.
- Random Forest. Gradient Boosting Machines.
- Evaluatie van classificatiemodellen.
Praktisch werk
Implementatie van gecontroleerde classificaties op verschillende datasets.
5 Natuurlijke taalverwerking en diep leren
- NLP-bibliotheken: NLTK, TextBlob, SpaCy, Gensim, Pattern, Stanford CoreNLP.
- Deep learning-bibliotheken: Theano, TensorFlow, Keras.
- Natuurlijke taalverwerking en terugkerende neurale netwerken.
- RNN en het lange-termijngeheugen. Bidirectionele RNN-modellen.
- Sequentie-naar-sequentie modellen.
- Vragen en antwoorden met RNN-modellen.
Praktisch werk
Bouw een RNN om een nieuwe tekst te genereren.
DEELNEMERS
AI-engineers/projectmanagers, AI-consultants en iedereen die tekst mining voor machine learning en deep learning wil ontdekken.
VOORAFGAANDE VEREISTEN
Goede kennis van statistiek. Goede kennis van machine learning en deep learning. Vereiste ervaring.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
AI-engineers/projectmanagers, AI-consultants en iedereen die tekst mining voor machine learning en deep learning wil ontdekken.
VOORAFGAANDE VEREISTEN
Goede kennis van statistiek. Goede kennis van machine learning en deep learning. Vereiste ervaring.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand
Dernières places
Date garantie en présentiel ou à distance
Session garantie