Building Features from Text Data in Microsoft Azure

سرفصل های دوره

This course covers aspects of building text features for machine learning using Azure Machine Learning Service virtual machines, including tokenization, stopword removal, feature vectorization, and more from natural language processing.

1. Course Overview

1. Course Overview

2. Processing and Simplifying Text to Simplify Feature Creation

01. Module Overview

02. Prerequisites

03. Demo - Configure AMLS

04. Preprocessing and NLP

05. Tokenization and Cleaning

06. Demo - Sentence and Word Tokenization

07. Demo - NLTK Tokenizers

08. Demo - Token Cleaning

09. Stopword Removal

10. Demo - Stopword Removal

11. Frequency Filtering

12. Demo - Frequency Filtering

13. Stemming

14. Demo - Stemming

15. Parts-of-speech Tagging

16. Demo - Parts-of-speech

17. Lemmatization

18. Demo - Lemmatization

19. N-grams

20. Demo - N-grams

21. Module Summary

3. Building Features Around Text Data for Use in Machine Learning Models

01. Module Overview

02. Encoding Text as Numbers

03. One-hot and Count Vector Encoding

04. Demo - Bag-of-words

05. Demo - Bag-of-n-grams

06. TF-IDF Encoding

07. Demo - TF-IDF Encoding

08. Word Embeddings

09. Demo - Word Embeddings Using Word2Vec

10. Feature Hashing

11. Demo - The Hashing Trick

12. Locality-sensitive Hashing

13. Demo - Locality-sensitive Hashing

14. BERT

15. Demo - Word Embeddings with BERT on AMLS

16. Summary

179,000 تومان

افزودن به سبد خرید

خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

تولید کننده: PluralSight