Pular para o conteúdo principal
InícioPython

Introdução ao processamento de linguagem natural em Python

Aprenda técnicas fundamentais de processamento de linguagem natural com Python e aplique-as em dados reais.

Comece O Curso Gratuitamente
4 horas15 vídeos51 exercícios124.240 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

Neste curso, você aprenderá noções básicas de processamento de linguagem natural (NLP), como identificar e separar palavras, extrair tópicos em um texto e criar seu próprio classificador de notícias falsas. Você também aprenderá a usar bibliotecas básicas, como NLTK, juntamente com bibliotecas que utilizam a aprendizagem profunda para resolver problemas comuns do NLP. Este curso dará a você a base para processar e analisar textos à medida que avança em seu aprendizado de Python.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Cientista de aprendizado de máquina em Python

Ir para a trilha

Processamento de linguagem natural em Python

Ir para a trilha
  1. 1

    Expressões regulares e tokenização de palavras

    Gratuito

    Este capítulo apresentará alguns conceitos básicos do NLP, como tokenização de palavras e expressões regulares para ajudar a analisar o texto. Você também aprenderá a lidar com textos que não estejam em inglês e com a tokenização mais difícil que possa encontrar.

    Reproduzir Capítulo Agora
    Introdução às expressões regulares
    50 xp
    Qual padrão?
    50 xp
    Praticando expressões regulares: re.split() e re.findall()
    100 xp
    Introdução à tokenização
    50 xp
    Tokenização de palavras com NLTK
    100 xp
    Mais regex com re.search()
    100 xp
    Tokenização avançada com NLTK e regex
    50 xp
    Escolha de um tokenizador
    50 xp
    Regex com tokenização NLTK
    100 xp
    Tokenização não-ascii
    100 xp
    Gráfico de comprimento de palavras com NLTK
    50 xp
    Prática de gráficos
    100 xp
  2. 2

    Identificação simples de tópicos

    Este capítulo apresentará a identificação de tópicos, que você pode aplicar a qualquer texto que encontrar na natureza. Usando modelos básicos do NLP, você identificará tópicos de textos com base em frequências de termos. Você fará experimentos e comparará dois métodos simples: bag-of-words e Tf-idf usando NLTK e uma nova biblioteca Gensim.

    Reproduzir Capítulo Agora
  3. 3

    Reconhecimento de entidades nomeadas

    Este capítulo apresentará um tópico um pouco mais avançado: reconhecimento de entidades nomeadas. Você aprenderá a identificar quem, o quê e onde dos seus textos usando modelos pré-treinados em textos em inglês e em outros idiomas. Você também aprenderá a usar algumas novas bibliotecas, polyglot e spaCy, para adicionar à sua caixa de ferramentas NLP.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Cientista de aprendizado de máquina em Python

Ir para a trilha

Processamento de linguagem natural em Python

Ir para a trilha

conjuntos de dados

English stopwordsMonty Python and the Holy GrailNews articlesWikipedia articles

colaboradores

Collaborator's avatar
Hugo Bowne-Anderson
Collaborator's avatar
Yashas Roy

pré-requisitos

Python Toolbox
Katharine Jarmul HeadshotKatharine Jarmul

Founder, kjamistan

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Introdução ao processamento de linguagem natural em Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.