Curso de Procesamiento del Lenguaje Natural (NLP) Con PYTHON
Vložit
- čas přidán 28. 06. 2024
- Apóyame en Patreon:
www.patreon.com/user?u=47342775
¡Bienvenidos al curso completo de Procesamiento del Lenguaje Natural (NLP)! En este curso, aprenderás desde los conceptos básicos hasta las técnicas avanzadas de NLP aplicadas con Python. Aquí tienes el índice detallado del curso:
Repositorio del curso:
/ curso-de-del-en-103179012
Únete a este canal para apoyarme:
/ @codigoespinoza
¿Regalame un Café?:
ko-fi.com/ivespino
Curso de Python desde cero 2023:
• Curso de Python Desde ...
✈ Unete a nuestra comunidad de Telegram: t.me/+F9c-RdxQYRk4YTdh
💎Únete a nuestra comunidad de Discord: / discord
📥Correo de Contacto: ivespinops@gmail.com
00:00 Introducción
06:12 Todo sobre los Vectores
12:25 Bolsa de Palabras (Bag of words)
17:41 Método de Conteo
23:40 Tokenización
34:58 Stop words o Palabras de Parada
42:52 Stemming y Lemmatization
53:53 Ejercicio de Tokenización en Python
01:13:32 Similitud de Vectores
01:18:50 Método TF-IDF
01:24:08 Crear un Recomendador de Películas TF-IDF
01:40:00 Neural Word Embeddings
01:53:33 Analogías con Word Embeddings en Python
02:04:34 Tus propios Embeddings Word2Vec en Python
02:36:47 Modelos Probabilísticos (de Markov)
02:44:02 Modelos de Markov
02:52:09 Suavizado y probabilidades logarítmica
02:59:33 Modelos de Markov y Clasificación de Texto
03:06:01 Construyendo un Clasificador con Python
03:38:35 Generación de Texto con Modelos de Markov
03:43:57 Generador de Texto Modelos Markov y Python
04:13:30 Article Spinning: Generar Contenido único
04:17:52 Como hacer el Spinning de contenido
04:23:30 Hacer un Spinning de contenido con Python
04:48:56 Aprendizaje automático y NLP
04:53:03 Detección de SPAM
04:58:17 Regla de Naive Bayes
05:04:26 Clasificador de Correos SPAM
05:16:22 Análisis de Sentimientos
05:26:40 Regresión Logística
05:34:08 Regresión Logística Multiclase
05:41:07 Análisis de Sentimientos en Python
06:01:17 Resúmenes de Texto
06:11:44 Resúmenes de Texto con Vectores
06:24:29 Crear un resumen de textos con Python
06:44:24 Crear resúmenes de textos con Text Rank
06:51:56 Resumen de textos con Text Rank en Python
07:13:18 Modelado de Temas con LDA
07:19:40 Clasificar artículos en temas con LDA
07:44:30 Aprendizaje Profundo en NLP
07:48:32 Modelo de Regresión Lineal con TensorFlow
07:57:24 Clasificación Binaria con TensorFlow P1
08:03:08 Clasificación Binaria con TensorFlow P2
08:10:38 Neuronas Artificiales
08:16:57 ¿Cómo aprenden las máquinas?
08:23:47 Redes Neuronales Artificiales
08:28:23 ¿Cómo 'Piensan' las Máquinas?
08:33:10 Importancia de las redes neuronales
08:36:21 Funciones de activación
08:39:55 Clasificación Multiclases
08:43:31 Clasificación de Textos con TensorFlow en Python
08:55:54 Preparación de Datos Textuales en PLN con TensorFlow
09:01:06 Descifrando los Embeddings en PLN
09:07:17 Convolución: El Arte de Filtrar Imágenes con Redes Neuronales
09:13:14 Emparejamiento de Patrones: El Corazón de la Visión por Computadora y PLN
09:17:10 Descifrando Imágenes en Color: Convolución y Filtros 3D en IA
09:20:30 Descifrando Imágenes en Color: Convolución y Filtros 3D en IA
09:25:34 Aplicando Redes Neuronales Convolucionales (CNNs) en el Procesamiento de Texto y Secuencias
09:28:57 Redes Neuronales Convolucionales (CNN) para clasificación de Texto en Python
09:39:33 Redes Neuronales Recurrentes (RNNs)
09:45:24 Clasificación de Texto con RNNs en Python con Tensorflow
Este curso es ideal para principiantes y profesionales que buscan profundizar en el procesamiento del lenguaje natural y sus aplicaciones prácticas. ¡Inscríbete ahora y lleva tus habilidades de NLP al siguiente nivel! - Věda a technologie
los mejores cursos de CZcams lejos
Muchas gracias ☺️
Este video tiene un currazo espectacular, mis 10s
Muchas gracias! Que es 10s xD?
@@CodigoEspinoza Dieces😁😁
@@CodigoEspinoza significa mis dieces😁😁
En el minuto 9:53 cuando se ejectua la instrucción y_pred = model.predict(x_test_transformed) da un error del tipo "ValueError: X has 12895 features, but MultinomialNB is expecting 26682 features as input." Cada vez que se ejecuta los nùmeros son variables porque cada vez se toma una muestra aleatoria, pero en todos los casos siempre da ese error. Esto lo he repasado multitud de veces y se debe a que la dimensionalidades de los vectores y matrices no coinciden.
Creo q el minutaje q pusiste no era pero de todas maneras prueba haciendo la conversión a vectores antes de hacer el split de x_train y x_test