Stepik О курсе
Подробнее
На мини-курсе вы познакомитесь с некоторыми подходами к обработке текста. Также вы погрузитесь в обработку текстовых данных и узнаете, как делать скрапинг и парсинг. Вы сможете отработать полученные знания, выполняя тесты и домашние задания в рамках курса. В конце курса вы сможете поучаствовать в соревновании по анализу текстовых данных.
Вся актуальная информация о дате и времени занятий будет появляться в телеграм-канале AI Education.
И не забудьте присоединиться к нашему чату для обсуждения практических заданий и соревнования!
Требования
Что нужно для старта
- уверенные знания школьного курса математики
- умение писать код на Python (на начальном уровне)
Результат
Что вы получите
- познакомитесь с основами работы с текстом
- освоите парсинг и скрапинг данных
- потренируете базовые подходы к обработке и векторизации текстовых данных
- закрепите полученные знания, выполняя тесты и домашние задания в рамках курса
- поучаствуете в соревновании по анализу текстовых данных на платформе Kaggle
Аудитория
Для кого этот курс
- Этот курс будет интересен тем, кто уже знаком с Python, уверенно знает математику в рамках школьной программы и хотел бы познакомиться с машинным обучением и подходами к решению задач обработки естественного языка, а также научиться собирать данные из открытых источников при помощи скрапинга и парсинга.
- Если вы уже имеете опыт решения задач машинного обучения, то курс вам тоже понравится - вы сможете посоревноваться в задаче NLP с другими участниками курса в рамках соревнования на платформе Kaggle.
Содержание
7 занятийПрограмма курса
№ТемаЧто внутри
01Знакомство
- О курсе
- Тест по Python
02Введение в машинное обучение
- Введение
- Основные понятия машинного обучения
- Типы задач в машинном обучении
- Схема проекта по машинному обучению
- Оценка обобщающей способности модели
- Полезные материалы по введению в машинное обучение
- Домашнее задание - 1
033. Работа с текстом в Python
- Работа со строками
- Домашнее задание - 2
04Bag-of-words. TF-IDF
- Векторизация текстов
- Домашнее задание - 3
05Скрапинг и парсинг
- Скрапинг и парсинг
- Логирование в Python
- Домашнее задание - 4
06Стоп-слова, лемматизация, стемминг. N-граммы
- Различные подходы к векторизации текстов
07Kaggle
- Платформа для соревнований Kaggle
- Как зарегистрироваться на Kaggle
- Соревнование!
- Baseline-решение соревнования 2023-2024
- Подведение итогов. Разбор лучших решений
- Разбор лучших решений соревнования [запись 2022 года]
- Обзор современного состояния NLP [запись 2022 года]
01Знакомство
- О курсе
- Тест по Python
02Введение в машинное обучение
- Введение
- Основные понятия машинного обучения
- Типы задач в машинном обучении
- Схема проекта по машинному обучению
- Оценка обобщающей способности модели
- Полезные материалы по введению в машинное обучение
- Домашнее задание - 1
033. Работа с текстом в Python
- Работа со строками
- Домашнее задание - 2
04Bag-of-words. TF-IDF
- Векторизация текстов
- Домашнее задание - 3
05Скрапинг и парсинг
- Скрапинг и парсинг
- Логирование в Python
- Домашнее задание - 4
06Стоп-слова, лемматизация, стемминг. N-граммы
- Различные подходы к векторизации текстов
07Kaggle
- Платформа для соревнований Kaggle
- Как зарегистрироваться на Kaggle
- Соревнование!
- Baseline-решение соревнования 2023-2024
- Подведение итогов. Разбор лучших решений
- Разбор лучших решений соревнования [запись 2022 года]
- Обзор современного состояния NLP [запись 2022 года]
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «First Step in NLP 2.0» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Нейросети и ИИ
Информация обновлена 12 августа 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
![Deep Learning (семестр 2, осень 2025) [АРХИВ]](https://cdn.stepik.net/media/cache/images/courses/251729/cover_uYd5Nmu/57394f3a8960d94e010ee67b55750d62.jpg)
