Corso Online: Natural Language Processing con Python

OBIETTIVI E PROGRAMMA

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.

OBIETTIVI

In questo corso apprenderemo i segreti del Natural Language Processing e impareremo ad utilizzarlo su problemi reali come, ad esempio, eseguire l’analisi del sentiment su recensioni di film usando scikit-learn, raggruppare automaticamente articoli di giornale in base allargomento usando Gensim, creare un Chatbot per la customer care usando Keras e Tensorflow, generare del nuovo testo in stile Dante Alighieri usando come corpus di testo l’intera Divina Commediale e le Reti Neurali ricorrenti con Keras e Tensorflow.
Concluderemo il corso con una serie di consigli, letture ed esercizi per poter continuare la nostra avventura nel Natural Language Processing.

PROGRAMMA

Questo corso ha una durata complessiva di 14 ore.

Cap.01 Introduzione

Lezione 1.1 Introduzione al Natural Language Processing | 06:51 minuti
Lezione 1.2 Come usare Google Colaboratory | 07:41 minuti

Cap.02 Estrazione del Testo

Lezione 2.1 Operare sulle stringhe con Python | 13:59 minuti
Lezione 2.2 Estrarre testo da file TXT | 16:53 minuti
Lezione 2.3 Estrarre testo da file PDF | 09:58 minuti
Lezione 2.4 Estrarre testo da file Word | 05:40 minuti
Lezione 2.5 Estrarre testo da pagine HTML | 12:13 minuti
Lezione 2.6 Estrarre testo da pagine Web | 05:11 minuti
Lezione 2.7 Estrarre testo da file CSV | 12:29 minuti

Cap.03 Le Espressioni Regolari

Lezione 3.1 Introduzione alle Espressioni Regolari | 03:07 minuti
Lezione 3.2 Espressioni regolari per cercare pattern in Python | 07:54 minuti
Lezione 3.3 Espressioni regolari per cercare pattern multipli in Python | 07:21 minuti
Lezione 3.4 Espressioni regolari per rimuovere pattern in Python | 04:46 minuti

Cap.04 Preprocessing del Testo

Lezione 4.1 La Tokenizzazione | 03:12 minuti
Lezione 4.2 Tokenizzazione con Python e NLTK | 08:16 minuti
Lezione 4.3 Le Stop Words | 02:21 minuti
Lezione 4.4 Rimozione delle Stop Words con Python e NLTK | 08:13 minuti
Lezione 4.5 Lo Stemming | 02:00 minuti
Lezione 4.6 Stemming in Python e NLTK con il Porter Stemmer | 05:18 minuti
Lezione 4.7 Stemming in Python e NLTK con lo Snowball Stemmer | 04:20 minuti
Lezione 4.8 Stemming in Python e NLTK con il Lancaster Stemmer | 02:13 minuti
Lezione 4.9 La Lemmatizzazione | 02:50 minuti
Lezione 4.10 La Lemmatizzazione di un testo con NLTK | 08:40 minuti
Lezione 4.11 Introduzione a Spacy | 01:42 minuti
Lezione 4.12 Preprocessing di testo inglese con Spacy | 13:10 minuti
Lezione 4.13 Preprocessing di testo italiano con Spacy | 05:36 minuti

Cap.05 Codifica del Testo

Lezione 5.1 Il modello Bag of Words | 03:19 minuti
Lezione 5.2 Bag of Words con Python e Numpy | 18:26 minuti
Lezione 5.3 Il modello TFIDF | 05:22 minuti
Lezione 5.4 TFIDF con Python e Numpy | 14:01 minuti

Cap.06 Analisi del Testo

Lezione 6.1 Part of Speech Tagging | 05:50 minuti
Lezione 6.2 POS con Python e NLTK | 08:29 minuti
Lezione 6.3 POS con Python e Spacy | 07:20 minuti
Lezione 6.4 Named Entity Recognition | 02:55 minuti
Lezione 6.5 NER con Spacy di un documento inglese | 07:19 minuti
Lezione 6.6 NER con Spacy di un documento italiano | 03:48 minuti
Lezione 6.7 Correzione delle entita? | 07:38 minuti
Lezione 6.8 Visualizzare le entita? con Displacy | 01:27 minuti

Cap.07 Analisi del Sentiment

Lezione 7.1 Introduzione alla Sentiment Analysis | 08:33 minuti
Lezione 7.2 Usare il modello VADER con NLTK | 06:13 minuti
Lezione 7.3 Analisi del sentiment di recensioni con NLTK | 10:50 minuti
Lezione 7.4 Introduzione al Machine Learning | 14:59 minuti
Lezione 7.5 [OPZIONALE] La Regressione Lineare e Logistica | 14:29 minuti
Lezione 7.6 [OPZIONALE] L’algoritmo Gradient Descent | 07:53 minuti
Lezione 7.7 Introduzione all’IMDB Movie Reviews Dataset | 03:17 minuti
Lezione 7.8 Preprocessing del corpus di testo | 14:09 minuti
Lezione 7.9 Regressione Logistica con scikit-learn | 05:23 minuti
Lezione 7.10 Correggere l’Overfitting con la regolarizzazione | 01:58 minuti
Lezione 7.11 Testiamo il modello su nuove recensioni | 02:09 minuti
Lezione 7.12 Preprocessing del corpus con NLTK | 11:22 minuti
Lezione 7.13 Classificatore Bayesiano con NLTK | 05:50 minuti

Cap.08 Topic Modelling

Lezione 8.1 Introduzione al Topic Modelling | 03:00 minuti
Lezione 8.2 Il modello Latent Dirichlet Allocation | 06:48 minuti
Lezione 8.3 Introduzione al New York Times Articles Dataset e alle API di Kaggle | 05:20 minuti
Lezione 8.4 Preprocessing del New York Times Articles Dataset | 07:22 minuti
Lezione 8.5 Creazione del modello LDA con scikit-learn | 08:35 minuti
Lezione 8.6 Esplorazione dei Topic | 04:13 minuti
Lezione 8.7 Testiamo il modello LDA su nuovi articoli | 05:00 minuti
Lezione 8.8 Rappresentazione grafica del modello LDA con scikit-learn | 05:18 minuti
Lezione 8.9 Introduzione e installazione di Gensim | 01:33 minuti
Lezione 8.10 Preprocessing dell’ABC Headlines Dataset con Gensim | 11:54 minuti
Lezione 8.11 Creazione del modello LDA con Gensim | 04:05 minuti
Lezione 8.12 Rappresentazione grafica del modello LDA con Gensim | 03:37 minuti

Cap.09 Deep Learning e Chatbot

Lezione 9.1 Introduzione al Deep Learning | 09:59 minuti
Lezione 9.2 [OPZIONALE] Funzionamento delle Reti Neurali Artificiali | 12:50 minuti
Lezione 9.3 [OPZIONALE] L’algoritmo Backpropagation | 12:32 minuti
Lezione 9.4 Installazione di Keras e Tensorflow | 06:46 minuti
Lezione 9.5 Preprocessare il corpus del Chatbot | 15:31 minuti
Lezione 9.6 Addestrare la Rete Neurale Artificiale | 06:12 minuti
Lezione 9.7 Creare il Chatbot | 12:55 minuti

Cap.10 Word Embedding e Word2Vec

Lezione 10.1 Limiti del Bag of Words | 04:04 minuti
Lezione 10.2 Introduzione al Word Embedding | 11:12 minuti
Lezione 10.3 Caricare l’IMDB Dataset con Keras | 10:52 minuti
Lezione 10.4 Preprocessare l’IMDB Dataset | 05:29 minuti
Lezione 10.5 Creare uno strato di Embedding | 07:57 minuti
Lezione 10.6 Ottenere i Word Vectors | 06:20 minuti
Lezione 10.7 Il modello Word2Vec | 04:41 minuti
Lezione 10.8 Importare il modello Word2Vec con Gensim | 09:17 minuti
Lezione 10.9 Introduzione al modello GloVe | 02:00 minuti
Lezione 10.10 Preparazione della matrice dei pesi | 16:45 minuti
Lezione 10.11 Usare il modello Glove con Keras | 03:50 minuti

Cap.11 Reti Ricorrenti e Text Generation

Lezione 11.1 Vantaggi dei modelli sequenziali nel NLP | 02:43 minuti
Lezione 11.2 Introduzione alle Reti Neurali Ricorrenti | 13:08 minuti
Lezione 11.3 Limiti delle Reti Ricorrenti | 05:57 minuti
Lezione 11.4 Reti Long short-term memory | 07:15 minuti
Lezione 11.5 [OPZIONALE] Matematica delle reti LSTM | 06:25 minuti
Lezione 11.6 Reti Gated Recurrent Unit (GRU) | 03:54 minuti
Lezione 11.7 Generare testo in stile Dante Alighieri | 03:06 minuti
Lezione 11.8 Preprocessing della Divina Commedia | 14:19 minuti
Lezione 11.9 Creazione di features e targets | 07:23 minuti
Lezione 11.10 Creare la Rete Neurale Ricorrente | 04:21 minuti
Lezione 11.11 Definire la funzione per la Generazione del Testo | 08:38 minuti
Lezione 11.12 Addestrare la Rete Neurale Ricorrente | 05:44 minuti
Lezione 11.13 Importare la rete pre-addestrata | 03:42 minuti
Lezione 11.14 Chattiamo con Dante Alighieri | 04:21 minuti

Cap.12 Conclusione

Lezione 12.1 I Tuoi Prossimi Passi | 06:07 minuti

RICHIEDI INFORMAZIONI

PROCEDURA DI ISCRIZIONE

Per iscriversi al corso basta semplicemente cliccare sul pulsante “Aggiungi al Carrello” per verificare eventuali promozioni in corso e seguire la procedura guidata di registrazione e pagamento.

E’ possibile pagare sia tramite Carta di Credito/Paypal (senza costi aggiuntivi) oppure Bonifico Bancario (in caso di pagamento con Bonifico Bancario il corso sarà disponibile solo dopo avvenuto accredito presso la nostra Banca, in genere dai 3/5 giorni lavorativi).

Se si ha un Coupon sconto consigliamo di procedere come indicato sopra per l’iscrizione, una volta arrivati sulla pagina che mostra prezzo finale, occorre inserire il codice coupon qui e cliccare su “Verifica”. Successivamente, avviata la procedura di iscrizione, è necessario inserire nuovamente il coupon qui e cliccare su “Applica”, così il coupon sarà calcolato nel prezzo finale.

MODALITA’ DI ACCESSO E UTILIZZO

Il corso online è fruibile sulla nostra piattaforma attraverso tutti i dispositivi: smartphone, tablet e pc collegati ad internet, l’accesso è sempre disponibile (24/24). Il corso ha una validità di 6 mesi dalla data di iscrizione e dovrà essere completato entro tale termine.

Per accedere al corso, una volta acquistato (vedi modalità di iscrizione) basta cliccare sulla scritta in alto del sito “Accedi”.

Accedendo all’Area Utente con PC/Notebook o Tablet il pulsante “Accedi” è in alto a destra, come nell’immagine qui disponibile.

Se accediamo all’Area Utente da Smartphone, il pulsante “Accedi” è nella voce di menù a destra; occorre cliccare quindi l’icona del menù (cerchiata in rosso nell’immagine qui sotto) per visualizzarlo.

Si accede quindi al proprio account (usando le credenziali di registrazione) dove è disponibile l’accesso al corso online scelto, nella sezione “PROSPETTO CORSI” evidenziata in rosso nell’immagine qui sotto.

ATTESTATO E BENEFIT

A conclusione del percorso formativo sarà possibile scaricare nella propria area utente un certificato di frequenza personalizzato.

Richiedi informazioni

Campi richiesti