Visão Geral

Curso Text Mining ou a mineração de texto é um processo que exige muito conhecimento e é uma habilidade fundamental no mundo atual, orientado pela informação. Envolve interagir com coleções de documentos baseados em texto usando ferramentas de análise poderosas para descobrir insights e padrões valiosos em vastas fontes de dados, sejam relatórios, artigos ou dados de mídia social. Neste Curso de Ciência de Dados, os participantes embarcam em uma jornada para dominar a mineração de texto, um conjunto de habilidades crucial para profissionais que navegam no mar de informações textuais.

Compreender a mineração de texto é vital para profissionais de diversas áreas, incluindo analistas de dados, pesquisadores de mercado, criadores de conteúdo e cientistas da informação. À medida que o conteúdo digital continua a explodir, a capacidade de extrair informações significativas de fontes de texto torna-se uma vantagem competitiva.

O Curso Text Mining oferece uma compreensão abrangente das operações de mineração de texto e técnicas de pré-processamento. Os delegados irão aprofundar os meandros da categorização de texto, explorar algoritmos significativos, aproveitar dados não rotulados de forma eficaz e avaliar classificadores de texto para melhorar a precisão. O treinamento aprimora a capacidade de ajustar os processos de mineração de texto por meio de restrições e filtros de especificação

Objetivo

Após realizar este Curso Text Mining com êxito você será capaz de:

• Compreender os fundamentos das técnicas de mineração e pré-processamento de texto
• Para utilizar algoritmos-chave para categorização de texto eficiente
• Para avaliar e aprimorar classificadores de texto usando dados não rotulados
• Para obter experiência em clustering e extração de informações (IE)
• Explorar técnicas para tratamento de restrições e filtragem de especificações
• Dominar a aplicação de modelos de Markov ocultos e modelos de Markov de entropia máxima para extração de informações

Publico Alvo

• Cientistas de Dados
• Engenheiros de software
• Analistas de dados
• Profissionais de marketing digital
• Gerentes de Produto
• Analistas de Inteligência de Negócios
• Engenheiros de PNL

Pre-Requisitos

• Não há pré-requisitos

Materiais

Conteúdo Programatico

Introduction to Text Mining

1. What is Text Mining?
2. Text Mining Systems Architecture

Core Text Mining Operations

1. What is Core Text Mining Operations?
2. Text Mining Query Languages

Text Mining Pre-Processing Techniques

1. Task-Oriented Approaches

Categorisation

1. Text Categorisation Applications
2. Document Representation
3. Knowledge Engineering to TC
4. Using Unlabeled Data
5. Evaluating Text Classifiers

Introduction to Clustering

1. Partitioning of Networks
2. Clustering Tasks in Text Analysis
3. Clustering Algorithms
4. Clustering of Textual Data

Information Extraction (IE)

1. Define Information Extraction
2. IE Systems Architecture
3. Anaphora Resolution
4. IE Inductive Algorithms
5. Structural Information Extraction (IE)

Probabilistic Models for IE

1. Hidden Markov Models
2. Stochastic Context-Free Grammar
3. Maximal Entropy Modelling
4. Conditional Random Fields

Pre-Processing Applications

1. HMM to Textual Analysis Applications
2. Using MEMM for IE
3. Applications of CRFs to Textual Analysis MEMM for IE
4. Using SCFG Rules
5. Bootstrapping

Presentation-Layer Considerations

1. Browsing
2. Accessing Constraints and Simple Specification Filters at the Presentation Layer
3. Accessing the Underlying Query Language

Visualisation Approaches

1. Architectural Considerations
2. Text Mining Visualisation Approaches
3. Visualisation Techniques in Link Analysis

Introduction to Link Analysis

1. Automatic Layout of Networks
2. Paths and Cycles in Graphs
3. Centrality
4. Partitioning of Networks
5. Networks Pattern Matching