Natural Language Processing for Stocks News Analysis

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

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
BeginnerAnfänger
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

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.

Kompetenzen, die Sie erwerben werden

  • Python Programming
  • Machine Learning
  • Deep Learning
  • coding

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  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

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.