Build NLP pipelines using scikit-learn

4.1
étoiles
11 évaluations
Offert par
Coursera Project Network
Dans ce projet guidé, vous :

Understand the business problem and the dataset and generate hypothesis to create new features based on existing data

Perform text pre-processing and creating custom transformers to generate new features in to pass into the machine learning pipeline

Implement NLP pipeline and build a text classification model

Clock2 hours
AdvancedAvancées
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

In this 2-hour long project-based course, you will understand the business problem and the dataset and learn how to generate a hypothesis to create new features based on existing data. You will learn to perform text pre-processing and creating custom transformers to generate new features in to pass into the machine learning pipeline. And you will implement NLP pipeline creating your own custom transformers and build a text classification model. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Les compétences que vous développerez

Natural Language ProcessingCustom TransformersFeature UnionText CleaningMachine Leaning Pipeline

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Understand and loading the dataset

  2. Text preprocessing

  3. Exploratory Data Analysis

  4. Create custom transformers

  5. Model Building using FeatureUnion

  6. Model Evaluation

  7. Conclusion and next steps

Comment fonctionnent les projets guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.