This course will introduce the learner to text mining and text manipulation basics. The course begins with an understanding of how text is handled by python, the structure of text both to the machine and to humans, and an overview of the nltk framework for manipulating text. The second week focuses on common manipulation needs, including regular expressions (searching for text), cleaning text, and preparing text for use by machine learning processes. The third week will apply basic natural language processing methods to text, and demonstrate how text classification is accomplished. The final week will explore more advanced methods for detecting the topics in documents and grouping them by similarity (topic modelling).
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Angewandte Datenwissenschaft mit Python
131.492 bereits angemeldet
Spezialisierung Angewandte Datenwissenschaft mit PythonUniversity of MichiganÜber diesen Kurs
47.547 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Coursera-Labore
Enthält praktische Lernprojekte.
Hier finden Sie weitere Informationen zu Coursera-Laboren Kurs 4 von 5 in
Stufe „Mittel“
Ca. 25 Stunden zum Abschließen
Englisch
Was Sie lernen werden
Understand how text is handled in Python
Apply basic natural language processing methods
Write code that groups documents by topic
Describe the nltk framework for manipulating text
Kompetenzen, die Sie erwerben
- Natural Language Toolkit (NLTK)
- Text Mining
- Python Programming
- Natural Language Processing
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Coursera-Labore
Enthält praktische Lernprojekte.
Hier finden Sie weitere Informationen zu Coursera-Laboren Kurs 4 von 5 in
Stufe „Mittel“
Ca. 25 Stunden zum Abschließen
Englisch
Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.
Dieser Kurs gehört zum reinen Onlineabschlusses Master of Applied Data Science von University of Michigan. Er bietet Ihnen eine Vorschau auf die Themen, Materialien und Lehrkräfte, damit Sie entscheiden können, ob der komplette Online-Studiengang das Richtige für Sie ist.
Lehrplan - Was Sie in diesem Kurs lernen werden
8 Stunden zum Abschließen
Module 1: Working with Text in Python
8 Stunden zum Abschließen
5 Videos (Gesamt 56 min), 4 Lektüren, 3 Quiz
6 Stunden zum Abschließen
Module 2: Basic Natural Language Processing
6 Stunden zum Abschließen
4 Videos (Gesamt 45 min)
6 Stunden zum Abschließen
Module 3: Classification of Text
6 Stunden zum Abschließen
7 Videos (Gesamt 94 min)
5 Stunden zum Abschließen
Module 4: Topic Modeling
5 Stunden zum Abschließen
4 Videos (Gesamt 58 min), 3 Lektüren, 3 Quiz
Bewertungen
- 5 stars54,98 %
- 4 stars25,10 %
- 3 stars12,05 %
- 2 stars4,41 %
- 1 star3,44 %
Top-Bewertungen von APPLIED TEXT MINING IN PYTHON
von JR4. Dez. 2020
Excellent course to get started with text mining and NLP with Python. The course goes over the most essential elements involved with dealing with free text. Definitely worth the time I spent on it.
von TK22. Juni 2020
Everything was awesome, assignment 2 was my favorite in a long while in this specialization series. Week 4 was a little weak, and felt rushed. Overall, I enjoyed this course 4 of the 5.
von CH10. Aug. 2018
Passionate instructor and a great primer on how software can infer useful data from text. Gives a preliminary understanding on the algorithms used in scikit learn and nltk.
von LC16. Feb. 2018
Love the focus on conceptual text processing and practical guides to implementation in python, but the assignment grader was extremely specific for no reason, especially the Week3 assignment.
Über den Spezialisierung Angewandte Datenwissenschaft mit Python
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
