[HD]쉽게 배우는 텍스트 마이닝(Text Mining) Part.3 한국어를 위한 KoNLPy 2

과정 소개

본 과정은 한국어 텍스트마이닝을 위한 KoNLPy 패키지에 대한 학습과정입니다. 한국어 텍스트마이닝 및 텍스트분석을 위해서는 다양한 라이브러리와 패키지들이 있는데 그중에서 가장 많이 사용되고 있는 KoNLPy 패키지에 기반하여 한국어 자연어 처리를 분석하고 관련된 여러 라이브러리를 학습하는 과정입니다.

강의 대상

KoNLPy 패키지를 이용한 한국어 자연어 처리에 대해 전반적인 내용을 학습하고 그에 기반하여 한국어를 분석할 수 있도록 목표한다

강의 목표

한국어 자연어 처리 및 KoNLPy 패키지 학습에 부담을 가지는 학습자 2. 빠른 시간에 KoNLPy 패키지 및 관련 라이브러리를 배우고자 하는 자

학습 내용

1. 섹션 1
   1. KoNLPy corpus(말뭉치)를 NLTK 패키지로 분석해보기(2)
   2. KoNLPy corpus(말뭉치)를 NLTK 패키지로 분석해보기(3)
   3. KoNLPy 형태소 분석기별 품사 분류표 데이터프레임으로 변환 출력(1)
   4. KoNLPy 형태소 분석기별 품사 분류표 데이터프레임으로 변환 출력(2)
2. 섹션 2
   1. KoNLPy 형태소 분석기별 품사 분류표 데이터프레임으로 변환 출력(3)
   2. 단어주머니란 무엇인가 - Bag of words
   3. 빈도 수 기반의 핵심어 추출
   4. TF-IDF 어휘 빈도 문서 역빈도
3. 섹션 3
   1. 자연어 처리를 위한 텍스트 수치화 작업 - BoW 구현하기(1) - 토큰화 처리
   2. 자연어 처리를 위한 텍스트 수치화 작업 - BoW 구현하기(2) - WordPunctTokenizer, TreebankWordTokenizer
   3. Bag of words 구현하기(3) - BoW 실습을 위한 텍스트 전처리
   4. Bag of words 구현하기(4) - stopwords, punctuation 제거
4. 섹션 4
   1. 사이킷런 BoW 구현1
   2. 사이킷런 BoW 구현2 - Count Vector 수치화
   3. 사이킷런 BoW 구현3 - 단어 사전화 처리된 vocabulary_(딕셔너리) 출력해보기
   4. CountVectorizer 파라미터 옵션(1) - max_df, min_df
5. 섹션 5
   1. CountVectorizer 파라미터 옵션(2) - max_features, stop_words
   2. CountVectorizer 파라미터 옵션(3) - ngram_range
   3. TfidfVectorizer 기반의 자연어 텍스트 수치화 작업(1)
   4. TfidfVectorizer 기반의 자연어 텍스트 수치화 작업(2)

교강사

훈련 비용

과정 후기