Cursos de Procesamiento de Lenguajes Naturales

Esta capacitación en vivo dirigida por un instructor en Colombia (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

Al final de esta capacitación, los participantes serán capaces de:

• Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
• Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
• Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
• Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
• Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.

Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y todos los interesados en la visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.

Este curso introduce a los lingüistas o programadores a la PNL en Python. Durante este curso utilizaremos principalmente nltk.org (Natural Language Tool Kit), pero también usaremos otras bibliotecas relevantes y útiles para PNL. Por el momento podemos realizar este curso en Python 2.x o Python 3.x. Los ejemplos son en inglés o mandarín (普通话). Otros idiomas también pueden ponerse a disposición si se acuerda antes de reservar.

TensorFlow ™ es una biblioteca de software de código abierto para computación numérica utilizando gráficos de flujo de datos.

SyntaxNet es una estructura de procesamiento de lenguaje natural de la red neuronal para TensorFlow.

Word2Vec se utiliza para el aprendizaje de representaciones vectoriales de palabras, llamadas "embeddings palabra". Word2vec es un modelo predictivo particularmente computacionalmente eficiente para aprender las incorporaciones de palabras a partir de texto en bruto. Viene en dos sabores, el modelo continuo de la bolsa-de-palabras (CBOW) y el modelo de Skip-Gram (capítulo 3.1 y 3.2 en Mikolov y otros).

Utilizado en tándem, SyntaxNet y Word2Vec permite a los usuarios generar modelos de incorporación aprendida de entrada de lenguaje natural.

Audiencia

Este curso está dirigido a desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow.

Después de completar este curso, los delegados:

Entender la estructura y los mecanismos de despliegue de TensorFlow

• ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
• ser capaz de evaluar la calidad del código, realizar depuración,
• ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro

Deeplearning4j es una biblioteca de código abierto y de aprendizaje profundo escrita para Java y Scala. Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos empresariales en GPUs y CPU distribuidas.

Word2Vec es un método de computación de representaciones vectoriales de palabras introducidas por un equipo de investigadores de Google liderado por Tomas Mikolov.

Audiencia

Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Deeplearning4J para construir modelos Word2Vec.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.

Se estima que los datos no estructurados representan más del 90 por ciento de todos los datos, gran parte de ellos en forma de texto. Las publicaciones del blog, los tweets, los medios sociales y otras publicaciones digitales añaden continuamente a este creciente cuerpo de datos.

Este curso se centra en la extracción de información y significado de estos datos. Utilizando las bibliotecas de lenguaje y procesamiento de lenguaje natural (NLP), combinamos conceptos y técnicas de la informática, la inteligencia artificial y la lingüística computacional para entender algorítmicamente el significado detrás de los datos de texto. Las muestras de datos están disponibles en varios idiomas según los requisitos del cliente.

Al final de este entrenamiento los participantes serán capaces de preparar conjuntos de datos (grandes y pequeños) de fuentes dispares, a continuación, aplicar los algoritmos adecuados para analizar e informar sobre su significado.

Audiencia
Lingüistas y programadores

Formato del curso
Parte conferencia, discusión de la parte, práctica práctica pesada, pruebas ocasionales para calibrar la comprensión

La generación de lenguaje natural (NLG) se refiere a la producción de texto o discurso en lenguaje natural por una computadora.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Python para producir texto en lenguaje natural de alta calidad construyendo su propio sistema NLG desde cero. También se examinarán los casos de estudio y los conceptos relevantes se aplicarán a los proyectos de laboratorio en vivo para generar contenido.

Al final de esta capacitación, los participantes podrán:

• Utilice NLG para generar automáticamente contenido para diversas industrias, desde periodismo, a bienes raíces, a informes meteorológicos y deportivos.
• Seleccione y organice el contenido fuente, planifique oraciones y prepare un sistema para la generación automática de contenido original
• Comprender la tubería NLG y aplicar las técnicas correctas en cada etapa
• Comprender la arquitectura de un sistema de generación de lenguaje natural (NLG)
• Implementar los algoritmos y modelos más adecuados para análisis y pedidos
• Extraiga datos de fuentes de datos disponibles públicamente, así como bases de datos seleccionadas para usar como material para el texto generado
• Reemplazar procesos de escritura manuales y laboriosos con creación de contenido automatizado y generado por computadora

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Al final de la capacitación, se espera que los delegados estén suficientemente equipados con los conceptos esenciales de python y que sean capaces de utilizar NLTK de manera suficiente para implementar la mayoría de las operaciones basadas en ML y PNL. La capacitación tiene como objetivo proporcionar no solo un conocimiento de ejecución sino también el conocimiento lógico y operativo de la tecnología que contiene.

La biblioteca OpenNLP de Apache es un kit de herramientas basado en el aprendizaje automático para procesar texto en lenguaje natural. Es compatible con las tareas NLP más comunes, como detección de lenguaje, tokenización, segmentación de oraciones, etiquetado de voz parcial, extracción de entidad nombrada, fragmentación, análisis sintáctico y resolución de correferencia.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear modelos para procesar datos basados en texto usando OpenNLP. Los datos de entrenamiento de muestra y los conjuntos de datos personalizados se usarán como base para los ejercicios de laboratorio.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar OpenNLP
• Descargue modelos existentes y cree sus propios
• Entrene a los modelos en varios conjuntos de datos de muestra
• Integra OpenNLP con aplicaciones Java existentes

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

En Python Machine Learning, la característica de resumen de texto puede leer el texto de entrada y producir un resumen de texto. Esta capacidad está disponible desde la línea de comandos o como una API / biblioteca de Python. Una aplicación interesante es la creación rápida de resúmenes ejecutivos; esto es particularmente útil para las organizaciones que necesitan revisar grandes cantidades de datos de texto antes de generar informes y presentaciones.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Python para crear una aplicación simple que genere automáticamente un resumen del texto de entrada.

Al final de esta capacitación, los participantes podrán:

• Use una herramienta de línea de comandos que resuma texto.
• Diseña y crea un código de resumen de texto usando las bibliotecas de Python.
• Evalúe tres bibliotecas de resumen de Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

En esta capacitación en vivo dirigida por un instructor en Colombia, los participantes aprenderán a usar Python bibliotecas para NLP a medida que crean una aplicación que procesa un conjunto de imágenes y genera subtítulos. 

Al final de esta capacitación, los participantes serán capaces de:

• Diseñe y codifique DL para NLP usando bibliotecas Python. 
• Cree Python código que lea una colección sustancialmente grande de imágenes y genere palabras clave.
• Cree Python Código que genere subtítulos a partir de las palabras clave detectadas.

Esta sesión de capacitación basada en el aula explorará las técnicas de PNL junto con la aplicación de inteligencia artificial y robótica en los negocios. Los delegados realizarán ejemplos basados en computadora y ejercicios de resolución de casos de estudio usando Python

ChatBots son programas de computadora que simulan automáticamente las respuestas humanas a través de las interfaces de chat. ChatBots ayuda a las organizaciones a maximizar la eficiencia de sus operaciones al proporcionar opciones más fáciles y rápidas para sus interacciones con los usuarios.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo construir chatbots en Python.

Al final de esta capacitación, los participantes podrán:

• Comprenda los fundamentos de la construcción de chatbots
• Cree, pruebe, implemente y solucione problemas de varios chatbots utilizando Python

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos.

Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar spaCy para procesar grandes volúmenes de texto para encontrar patrones y obtener información.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar spaCy.
• Comprender el enfoque de spaCy para el Natural Language Processing (NLP) .
• Extraiga patrones y obtenga información comercial de fuentes de datos a gran escala.
• Integre la biblioteca spaCy con las aplicaciones web y heredadas existentes.
• Implemente espacios para entornos de producción en vivo para predecir el comportamiento humano.
• Use spaCy para preprocesar texto para Deep Learning

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
• Para obtener más información sobre spaCy, visite: https://spacy.io/