Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Como em qualquer curso de fundamentos, Introdução ao Processamento de Linguagem Natural em R foi criado para equipar você com as ferramentas necessárias para começar suas análises de texto. Natural Language Processing (NLP) é uma área de ciência de dados em constante crescimento, com avanços muito empolgantes na última década. Este curso aborda o básico desses tópicos e prepara você para ampliar suas capacidades de análise. Vamos explorar expressões regulares, modelagem de tópicos, reconhecimento de entidades nomeadas e outros, sempre com exemplos completos que podem servir de ponto de partida para suas futuras análises.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Fundamentos de Verdade
O Capítulo 1 de Introdução ao Processamento de Linguagem Natural prepara você para executar sua primeira análise de texto. Você vai explorar expressões regulares e tokenização, dois componentes muito comuns na maioria das tarefas de análise. Com expressões regulares, você pode buscar qualquer padrão que imaginar e, com tokenização, preparar e limpar o texto para análises mais sofisticadas. Este capítulo é essencial para enfrentar as técnicas que veremos nos demais capítulos do curso.
- Noções básicas de expressões regulares50 XP
- Praticando a sintaxe com grep100 XP
- Explorando funções de expressões regulares.100 XP
- Tokenização50 XP
- funções do tidytext50 XP
- Tokenização: frases100 XP
- Noções básicas de limpeza de texto50 XP
- Pré-processamento de texto: remover stop words100 XP
- Pré-processamento de texto: Stemming100 XP
2
Representações de Texto
Neste capítulo, você vai aprender as formas mais comuns e estudadas de analisar texto. Você verá como criar um corpus de textos, expandir uma representação bag-of-words para uma matriz TFIDF e usar métricas de similaridade do cosseno para determinar o quão semelhantes dois textos são entre si. Você vai consolidar seus fundamentos para praticar NLP antes de mergulhar nas aplicações de NLP nos capítulos 3 e 4.
3
Aplicações: Classificação e Modelagem de Tópicos
O Capítulo 3 foca em duas abordagens comuns de análise de texto: modelagem de classificação e modelagem de tópicos. Se você trabalha com projetos de análise de texto, inevitavelmente usará um ou ambos os métodos. Este capítulo mostra como realizar as duas técnicas e traz insights sobre como abordá-las de forma prática.
4
Técnicas Avançadas
No Capítulo 4, cobrimos dois pilares do processamento de linguagem natural: análise de sentimentos e word embeddings. Essas são duas técnicas essenciais para quem está aprendendo os fundamentos de análise de texto. Além disso, você vai aprender brevemente sobre BERT, marcação de classe gramatical (part-of-speech tagging) e reconhecimento de entidades nomeadas. Quase 15 técnicas de análise diferentes foram abordadas neste curso, então o Capítulo 4 termina recapitulando todas as ótimas técnicas que você conhecerá aqui.
R
Introdução ao Processamento de Linguagem Natural em R
Curso
concluído
