Natural Language Processing for Stocks News Analysis

Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

Create a pipeline to remove stop-words, perform tokenization and padding

Understand the theory and intuition behind Recurrent Neural Networks and LSTM

Train the deep learning model and assess its performance

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

In this hands-on project, we will train a Long Short Term Memory (LSTM) deep learning model to perform stocks sentiment analysis. Natural language processing (NLP) works by converting words (text) into numbers, these numbers are then used to train an AI/ML model to make predictions. In this project, we will build a machine learning model to analyze thousands of Twitter tweets to predict people’s sentiment towards a particular company or stock. The algorithm could be used automatically understand the sentiment from public tweets, which could be used as a factor while making buy/sell decision of securities. 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

  • Python Programming
  • Machine Learning
  • Deep Learning
  • coding

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. Task #1: Understand the Problem Statement and business case 

  2. Task #2: Import libraries and datasets and Perform Exploratory Data Analysis

  3. Task #3: Perform Data Cleaning (Remove Punctuations)

  4. Task #4: Perform Data Cleaning (Remove Stopwords)

  5. Task #5: Plot WordCloud

  6. Task #6: Visualize Cleaned Datasets

  7. Task #7: Prepare the data by tokenizing and padding

  8. Task #8: Understand the theory and intuition behind LSTM

  9. Task #9: Build and train the model

  10. Task #10: Assess trained model performance

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 Étudiants.