• Nessun prodotto nel carrello.

In offerta!

Natural Language Processing con Python: il Corso Completo

(12 recensioni dei clienti)

15,99

ACQUISTA SU udemy.com

Categoria:

Descrizione

What you’ll learn

  • Estrarre testo da file TXT, CSV, PDF e DOC
  • Estrarre testo da pagine web con BeautifulSoup
  • Usare NLTK e Spacy per preprocessare documenti di testo
  • Eseguire lo stemming e la lemmatizzazione su un documento di testo
  • Codificare il testo con il Bag of Words e il TF*IDF
  • Classificare documenti di testo usando Scikit-Learn
  • Eseguire l’Analisi del Sentiment con NLTK
  • Eseguire il Topic Modelling usando Scikit-learn e Gensim
  • Creare Chatbot usando Keras e Tensorflow
  • Funzionamento delle Reti Neurali Ricorrenti
  • Creare architetture LSTM con Keras e Tensorflow

Show moreShow less

Il Natural Language Processing è il cuore di Google Search e Google Translate ed è la tecnologia che da la voce a Siri, Alexa, Google Assistant e tutti gli altri assistenti virtuali

In questo corso apprenderemo i segreti Natural Language Processing e impareremo ad utilizzarlo su problemi reali come:

  • Eseguire l’analisi del sentiment su recensioni di film usando scikit-learn

  • Raggruppare automaticamente articoli di giornale in base all’argomento usando Gensim

  • Creare un Chatbot per la customer care usando Keras e Tensorflow

  • Generare del nuovo testo in stile Dante Alighieri usando le Reti Neurali Ricorrenti con Keras e Tensorflow.

Nella prima sezione del corso vedremo come estrarre il testo da diverse tipologie di file come file TXT, CSV, PDF e file Word, in seguito impareremo come eseguire lo scraping di una pagina web usando BeautifulSoup.

Vedremo in sintesi il funzionamento delle espressioni regolari e come possiamo sfruttarle nel Natural Language Processing.

La terza sezione è interamente dedicata alle tecniche di preprocessing del corso: estrazione dei tokens, rimozione dello stopwords e stemming e lemmatizzazione, che ci permettono di ottenere la radice di una parola in modo da ridurre la dimensione del nostro dizionario, in questa sezione useremo le due più popolari librerie Python per il Natural Language Processing:

  • NLTK (Natural Language Toolkit): storica libreria Python con moltissime funzioni.

  • Spacy: una libreria più recente sviluppata per essere utilizzata a livello industriale.

Continueremo il corso con i due principali modelli per l’encoding di documenti di testo, il modello Bag of Words e il TF*IDF, impareremo ad implementarli da zero, usando soltanto Numpy, una libreria Python per il calcolo scientifico.

Nella quinta sezione osserveremo come eseguire l’analisi del testo di un documento di testo usando sempre NLTK e Spacy, evidenziando:

  • La parte del discorso (Part of Speech Tagging)

  • Il tipo di entità (Named Entity Recognition)

Nella quinta sezione introdurremmo la sentiment analysis e parleremo di machine learning, il campo dell’intelligenza artificiale che ha rivoluzionato l’intero settore. Vedremo come estrarre il sentiment da un elenco di recensioni reali di una skill Alexa usando il modello VADER ed impareremo a preprocessare da zero l’IMDB Movie Reviews Dataset per poi eseguire la sentiment analysis creando un modello di regressione logistica con scikit-learn, la più popolare libreria python per il machine learning, e un modello bayesiano usando NLTK.

La sesta sezione è dedicata al Topic Modelling, dopo aver introdotto l’argomento insieme all’algoritmo Latent Dirichlet Allocation svolgeremo due esericizi:

  • Sfrutteremo un dataset con circa 9000 articoli del New York Times per estrarre i topic e raggruppare insieme articoli che trattano di un’argomento comune, a questo scopo implementeremo l’algoritmo  Latent Dirichlet Allocation usando scikit-learn.

  • Eseguiremo il Topic Modelling usando un dataset di un milione di titoli di giornale dell’ABC, usando sempre l’algoritmo  Latent Dirichlet Allocation ma questa volta con Gensim, una libreria Python specifica per il Topic Modelling.

Nella sezione che segue ci butteremo su Deep Learning e Reti Neurali Artificiali, studiando come queste funzionano e come possono essere applicate per la creazione di un Chatbot per l’assistenza clienti di un fantomatico operatore telefonico chiamato Miao Mobile, usando i due più popolari framework Python per il deep learning: Keras e Tensorflow.

Nell’ultima sezione parleremo di Reti Neurali Ricorrenti e di come vengono applicate a problemi di NLP, vedremo insieme le principali architetture: 

  • Vanilla RNN

  • Long short-term memory (LSTM)

  • Gated Recurrent Unit (GRU)

Come esercizio pratico utilizzeremo l’architettura LSTM per generare nuove testo con lo stile di scrittura di Dante Alighieri, usando come corpus di testo l’intera Divina Commedia.

Concluderemo il corso con una serie di consigli, letture ed esercizi per poter continuare la nostra avventura nel Natural Language Processing.

Who this course is for:

  • Studenti e lavoratori che vogliono comprendere ed utilizzare il Natural Language Processing
  • Professionisti interessati a Chatbot ed interfacce conversazionali

Course content

  • Introduzione
  • Estrazione del testo
  • Le Espressioni Regolari
  • Preprocessing del testo
  • Codifica del testo
  • Analisi del Testo
  • Analisi del Sentiment
  • Topic Modelling
  • Deep Learning e Chatbot
  • Word Embedding e Word2Vec

12 recensioni per Natural Language Processing con Python: il Corso Completo

  1. Alan Mancini

    Ottimo corso base, sarebbe bello un seguito/espansione che includesse metodologie di NMT con un modello encoder-decoder (come appunto avete già scritto di voler includere a breve) e magari anche la versione complicata basata su Attention!
    Inoltre riguardo al modello di text-generator sarebbe interessante esplorare altre tecniche possibili.
    Infine sarebbe bello un esempio di modello di chatbot più avanzato

  2. Gian Claudio Orlandi

    Ottimo corso, sono contentissimo è andato ben oltre le mie aspettative.
    Giuseppe spiega molto bene con entusiasmo e concentrazione costante, con esempi semplici ma utili e concreti per una buona comprensione dei vari argomenti proposti di volta in vota.
    Credo che farò altri suoi corsi dedicati all’Intelligenza Artificiale.
    Solo una cosa Giuseppe: una decina di giorni or sono ti ho inoltrato una domanda, la cui risposta è per me molto importante. Puoi, per favore, darci un’occhiata? Grazie
    Ancora sinceri complimenti per questo fantastico corso.

  3. Gabriele Cerioli

    Ottimo corso in italiano per apprendere le basi del NLP con Python, insegnante molto disponibile. Come altri corsi analoghi che ho frequentato qui su Udemy, soprattutto in lingua inglese, copre davvero bene gli argomenti del natural language processing. L’unica critica che mi sento di fare è relativa agli esempi di testo che utilizza nel corso: a parte un paio di eccezioni, per il resto sono un po’ troppo semplici e banali, almeno per le mie personali esigenze. Bilancio direi positivo. Corso consigliato.

  4. Jessica Scucchia

    E’ veramente ben comprensibile.

  5. Giulia Moncada

    Mi spiace ammetterlo, ma non sono del tutto soddisfatta. Il corso è sicuramente utile per entrare nel mondo del Natural Language Processing, ma onestamente non posso reputarmi soddisfatta al 100%. Forse sono un po’ troppo attenta ai dettagli, ma ho riscontrato molti errori ortografici nelle spiegazioni (es. “un’esempio”), problemi nei video (attimi di silenzio improvvisi e video che ad un certo punto ripetevano quanto detto il minuto precedente) ed errori di esposizione di Giuseppe (es. “questo è il metodo, la quale…”). Aggiungerei che a volte le spiegazioni di Giuseppe non sono del tutto esaurienti. A parte ciò complimenti a Giuseppe e a tutto il team!

  6. Fabio Rotondo

    Ho comprato un corso in italiano, perché speravo ci fosse la parte di NLP legata alla lingua italiana. Alcune (poche) parti si occupano infatti di italiano, per il resto si focalizza sulla lingua inglese.
    Gli esempi sono pochi e molto superficiali, sembra di vedere un breve tutorial sulle varie features delle librerie. Niente di speciale.
    La parte di matematica è spiegata malissimo e non sono per nulla utili, nemmeno per me che sono laureato in informatica e ho fatto le materie scientifiche che richiede nei video.
    Nel complesso, un corso abbastanza inutile che sconsiglio.

    Come al solito, sono meglio i corsi degli americani.

  7. Marco Vergani

    Ottimo corso sul Natural Language Processing con Python! Sia le spiegazioni teoriche sia i codici risultano molto chiari e ho molto apprezzato anche i paper e le risorse inserite nelle sezioni “Approfondimenti e riferimenti”: costituiscono un ottimo punto di partenza per approfondire maggiormente alcune tematiche.

  8. Cristian Caiazzo

    Da totale neofita NLP posso dire che il corso mi ha fornito una buona base per approcciare a questo argomento. Chiaro e sintetico. Ottimi anche gli spunti di approfondimento.

  9. Stefano Rossetto

    Giuseppe è un ottimo insegnante. Il corso è chiaro e dà una panoramica completa di ciò che si può ottenere applicando i principi del machine learning all’analisi di un testo. Ho particolarmente apprezzato il modulo di sentiment analysis, un ottimo viatico all’acquisizione di competenze più specifiche.
    Giuseppe è anche molto disponibile e risponde in maniera compiuta e in brevissimo tempo alle domande. Bellissimo corso (così potrai usare anche questa recensione come esempio nel prossimo aggiornamento) 🙂 !

  10. Claudia

    Per il momento molto chiaro, ma prima di poter esprimere un’opinione effettiva ho bisogno di valutare gli altri moduli del corso (considerato che ce ne sono 15 e sono ancora alla prima sezione)

  11. Luca Gestri

    si

  12. Sofien Vannutelli

    Ottima!

Aggiungi una recensione
top
Sito realizzato da Diego Mariucci, Il Tuo Tecnico Online