Introduction to Natural Language Processing in Python
Learn a variety of methods for preprocessing methods for eliminating noise from text data, and lexicon normalization
Implement tokenization methods from scratch in Python code
Utilize open-source libraries such as NLTK to implement techniques such as Part Of Speech tags, Named Entity Recognition, and TF-IDF in Python code
In this 1-hour long project-based course, you will learn basic principles of Natural Language Processing, or NLP. NLP refers to a group of methods for parsing and extracting meaning from human language. In this course, we'll explore the basics of NLP as well as detail the workflow pipeline for NLP and define the three basic approaches to NLP tasks. You'll get the chance to go hands on with a variety of methods for coding NLP tasks ranging from stemming and chunking, Named Entity Recognition, lemmatization, and other tokenization methods. You'll be introduced to open-source libraries such as NLTK, spaCy, Gensim, Pattern, and TextBlob. By the end of this course, you will feel more acquainted with the basics of the NLP workflow and will be ready to begin experimenting and prepare for production-level NLP application coding. I would encourage learners to experiment with the tools and methods discussed in this course. The learner is highly encouraged to experiment beyond the scope of the course. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Навыки, которые вы получите
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Become familiar with the NLP workflow
Understand the limitations of specific NLP techniques and how to overcome them by leveraging other techniques
Review a handful of open-source Python libraries that are useful for NLP-related tasks
Tokenize words in a sample text by hand using the Byte Pair Encoding (BPE) method
Utilize multiple noise removal techniques
Utilize several lexicon normalization techniques such as stemming and lemmatization
Make use of object standardization methods, named entity extraction, and Part of Speech Tagging
Learn how to utilize chunking and chinking methods
Utilize methods such as WordNet, Bag of Words, and TF-IDF (Term Frequency — Inverse Document Frequency) to extract meaning from text
Как устроены проекты с консультациями
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
