Curso de NLP (es. PLN)
Capacitación en Procesamiento de Lenguajes Naturales (PLN o NLP) - un campo de las ciencias de la computación, inteligencia artificial y lingüística que estudia las interacciones entre las computadoras y el lenguaje humano.
Testimonios de los Clientes
I did like the exercises
Office for National Statistics
Nombre del Curso: Natural Language Processing with Python
Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.
Léo Dubus
Nombre del Curso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Translated by
Knowledgeable trainer
Sridhar Voorakkara
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
I was amazed at the standard of this class - I would say that it was university standard.
David Relihan
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
Very good all round overview.Good background into why Tensorflow operates as it does.
Kieran Conboy
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
I liked the opportunities to ask questions and get more in depth explanations of the theory.
Sharon Ruane
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
El capacitador explicó muy fácilmente temas difíciles y avanzados.
Leszek K
Nombre del Curso: Artificial Intelligence Overview
Translated by
Given outlook of the technology: what technology/process might become more important in the future; see, what the technology can be used for
Commerzbank AG
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
Topic selection. Style of training. Practice orientation
Commerzbank AG
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
Topic selection. Style of training. Practice orientation
Commerzbank AG
Nombre del Curso: Neural Networks Fundamentals using TensorFlow as Example
Este es uno de los mejores manuales con cursos de programación de ejercicios que he tomado
Laura Kahn
Nombre del Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Esta es una de las entrenamientos en línea de mejor calidad que he tenido en mi carrera de 13 años. ¡Mantener el buen trabajo
Nombre del Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
Subcategorías
Programas de los Cursos
| Código | Nombre | Duración | Información General |
|---|---|---|---|
| aiint | Visión general de Inteligencia Artificial | 7 horas | 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. |
| nlp | Procesamiento de Lenguajes Naturales | 21 horas | Este curso ha sido diseñado para personas interesadas en extraer significado del texto escrito en inglés, aunque el conocimiento se puede aplicar a otros lenguajes humanos. El curso cubrirá cómo hacer uso de textos escritos por humanos, como blogs, tweets, etc ... Por ejemplo, un analista puede configurar un algoritmo que llegará a una conclusión automática basada en una fuente de datos extensa. |
| python_nltk | Procesamiento de Lenguajes Naturales con Python | 28 horas | 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. |
| Neuralnettf | Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo | 28 horas | Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones). Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow. |
| w2vdl4j | NLP con Deeplearning4j | 14 horas | 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. |
| tsflw2v | Procesamiento del Lenguaje Natural con TensorFlow | 35 horas | 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 |
| aitech | Inteligencia Artificial - La Materia más Aplicada - Análisis de Datos + AI Distribuido + PNL | 21 horas | This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP. |
| nlpwithr | Procesamiento de Lenguaje Natural (NLP) con R | 21 horas | 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 |
| pythontextml | Python: Aprendizaje automático con texto | 21 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a utilizar las técnicas correctas de aprendizaje automático y procesamiento de lenguaje natural (NLP, por sus siglas en inglés) para extraer valor de los datos basados en texto. Al final de esta capacitación, los participantes podrán: Resuelva problemas de ciencias de datos basados en texto con código reutilizable de alta calidad Aplicar diferentes aspectos de scikit-learn (clasificación, clustering, regresión, reducción de dimensionalidad) para resolver problemas Cree modelos efectivos de aprendizaje automático utilizando datos basados en texto Crear un conjunto de datos y extraer características del texto no estructurado Visualice los datos con Matplotlib Construya y evalúe modelos para obtener información Solucionar problemas de errores de codificación de texto Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| nlg | Python para la Generación de Lenguaje Natural | 21 horas | 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 |
| opennlp | OpenNLP para Aprendizaje Automático Basado en Texto | 14 horas | 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 |
| python_nlp | Procesamiento de lenguaje natural con Deep Dive en Python y NLTK | 35 horas | 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. |
| textsum | Resumen de texto con Python | 14 horas | 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 |
| dlfornlp | Aprendizaje profundo para NLP (procesamiento de lenguaje natural) | 28 horas | Deep Learning para NLP permite que una máquina aprenda procesamiento de lenguaje simple a complejo. Entre las tareas actualmente posibles se encuentran la traducción de idiomas y la generación de subtítulos para fotos. DL (Deep Learning) es un subconjunto de ML (Machine Learning). Python es un lenguaje de programación popular que contiene bibliotecas para Deep Learning para NLP. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar las bibliotecas de Python para el procesamiento de lenguaje natural (NLP) mientras crean una aplicación que procesa un conjunto de imágenes y genera leyendas. Al final de esta capacitación, los participantes podrán: Diseño y código DL para NLP utilizando bibliotecas Python Crear código de Python que lea una gran colección de imágenes y genere palabras clave Crear código Python que genere subtítulos de las palabras clave detectadas Audiencia Programadores con interés en la lingüística Programadores que buscan una comprensión de NLP (procesamiento de lenguaje natural) Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| chatbotpython | Construyendo Chatbots en Python | 21 horas | 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. |
Upcoming Courses
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| Procesamiento del Lenguaje Natural con TensorFlow - Guadalajara - Country Club Financial | Lun, 2018-06-11 09:30 | 165000MXN / 191000MXN |
| Python: Aprendizaje automático con texto - Monterrey - Oficinas en el Parque | Lun, 2018-06-11 09:30 | 85000MXN / 111900MXN |
| Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo - Ciudad de Mexico - Mariano Escobedo | Mar, 2018-06-12 09:30 | 133000MXN / 161000MXN |
| OpenNLP para Aprendizaje Automático Basado en Texto - Ciudad de Mexico - Colonia Del Valle | Mar, 2018-06-12 09:30 | 57900MXN / 81900MXN |
| Construyendo Chatbots en Python - Guadalajara - Puerta del Hierro | Lun, 2018-06-25 09:30 | 85000MXN / 112800MXN |