Envíanos tu consulta
![iconoCurso](data:image/svg+xml;utf8, <svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M669.216 283C656.946 283 647 289.713 647 297.994V588.006C647 596.287 656.946 603 669.216 603H809.784C822.054 603 832 596.287 832 588.006V297.994C832 289.713 822.054 283 809.784 283H669.216Z" fill="url(%23paint0_linear_2358_15555)"/>
<path d="M342.784 185C202.257 185 211.033 245.941 211.033 245.941L211.191 309.074H345.29V328.025H157.926C157.926 328.025 68 317.834 68 459.618C68 601.403 146.486 596.381 146.486 596.381H193.331V530.585C193.331 530.585 190.8 452.066 270.56 452.066H403.567C403.567 452.066 478.29 453.274 478.29 379.85V258.498C478.29 258.498 489.639 185 342.784 185ZM268.839 227.453C275.231 227.448 281.362 229.982 285.886 234.498C290.409 239.014 292.954 245.141 292.961 251.533C292.966 254.699 292.347 257.836 291.14 260.763C289.932 263.69 288.16 266.351 285.923 268.593C283.687 270.834 281.031 272.613 278.106 273.828C275.182 275.042 272.047 275.669 268.88 275.671H268.839C262.448 275.684 256.312 273.158 251.783 268.649C247.253 264.139 244.7 258.015 244.684 251.624V251.582C244.681 248.417 245.302 245.282 246.51 242.356C247.718 239.43 249.491 236.771 251.727 234.53C253.963 232.29 256.619 230.511 259.542 229.297C262.465 228.083 265.599 227.456 268.765 227.453H268.839Z" fill="url(%23paint1_linear_2358_15555)"/>
<path d="M346.772 735.674C487.299 735.674 478.53 674.733 478.53 674.733L478.373 611.6H344.265V592.648H531.629C531.629 592.648 621.555 602.848 621.555 461.047C621.555 319.246 543.069 324.284 543.069 324.284H496.224V390.08C496.224 390.08 498.756 468.566 418.996 468.566H285.988C285.988 468.566 211.266 467.359 211.266 540.79V662.184C211.266 662.184 199.917 735.657 346.772 735.657V735.674ZM420.716 693.221C417.551 693.224 414.416 692.604 411.491 691.395C408.566 690.187 405.907 688.414 403.667 686.178C401.427 683.942 399.65 681.286 398.436 678.363C397.223 675.44 396.597 672.306 396.595 669.141V669.141C396.592 665.975 397.212 662.84 398.42 659.914C399.629 656.989 401.401 654.329 403.637 652.089C405.873 649.848 408.529 648.07 411.452 646.855C414.376 645.641 417.509 645.014 420.675 645.011V645.011C423.842 645 426.981 645.613 429.911 646.816C432.841 648.018 435.506 649.786 437.753 652.018C440 654.25 441.785 656.903 443.006 659.826C444.228 662.748 444.861 665.883 444.871 669.05V669.091C444.875 675.485 442.34 681.619 437.823 686.144C433.306 690.669 427.176 693.214 420.783 693.221H420.716Z" fill="url(%23paint2_linear_2358_15555)"/>
<path fill-rule="evenodd" clip-rule="evenodd" d="M801 323H680V482H801V323ZM700 349.173H783.262V342H700V349.173ZM700 367.181H783.262V360.008H700V367.181ZM700 386.608H783.262V379.435H700V386.608ZM783.262 406.034H700V398.861H783.262V406.034ZM700 425.461H783.262V418.288H700V425.461ZM741.631 444.888H700V437.715H741.631V444.888Z" fill="white"/>
<path d="M718.081 513.66V563.344H708.894L687.005 532.073H686.637V563.344H676V513.66H685.335L707.051 544.907H707.493V513.66H718.081Z" fill="white"/>
<path d="M726.87 563.344V513.66H737.507V554.684H759.075V563.344H726.87Z" fill="white"/>
<path fill-rule="evenodd" clip-rule="evenodd" d="M766.12 513.66V563.344H776.757V547.236H785.698C789.564 547.236 792.855 546.532 795.574 545.125C798.309 543.718 800.397 541.753 801.838 539.23C803.279 536.707 804 533.796 804 530.497C804 527.197 803.288 524.286 801.863 521.763C800.454 519.224 798.407 517.243 795.721 515.819C793.035 514.38 789.785 513.66 785.969 513.66H766.12ZM776.757 538.818H783.979C786.026 538.818 787.713 538.47 789.039 537.774C790.382 537.063 791.381 536.084 792.036 534.839C792.708 533.577 793.044 532.13 793.044 530.497C793.044 528.847 792.708 527.407 792.036 526.178C791.381 524.933 790.382 523.971 789.039 523.291C787.697 522.596 785.993 522.248 783.93 522.248H776.757V538.818Z" fill="white"/>
<defs>
<linearGradient id="paint0_linear_2358_15555" x1="568.376" y1="244.85" x2="559.767" y2="602.793" gradientUnits="userSpaceOnUse">
<stop stop-color="%233770A0"/>
<stop offset="0.858789" stop-color="%23023461"/>
</linearGradient>
<linearGradient id="paint1_linear_2358_15555" x1="123.365" y1="239.487" x2="399.332" y2="514.839" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint2_linear_2358_15555" x1="289.773" y1="420.482" x2="581.035" y2="695.802" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
Curso completo de Text Mining y NLP con Python
DISPONIBLE EN MODALIDAD:
Con este curso podrás aprender a crear aplicaciones NLP con los distintos módulos que se ofrecen para Python y así crear soluciones para la generación resumen, filtrado y clasificación de textos, además de sistemas de análisis de vocabulario y sentimientos
Con este curso podrás aprender a crear aplicaciones NLP con los distintos módulos que se ofrecen para Python y así crear soluciones para la generación resumen, filtrado y clasificación de textos, además de sistemas de análisis de vocabulario y sentimientos
Formación en Text Mining y NLP con Python bonificable para empresas
¿A quién va dirigido?
Desarrolladores Python que quieran crear aplicaciones NLP a través de los distintos módulos de Machine Learning para Python en la actualidad.
Objetivos
- Apreneder qué el Text Mining y qué puede aportar a una compañía
- Aprender qué es el Procesado Natular del Lenguaje (NLP) y qué puede aportar a una compañía
- Aprender a utilizar las distintas soluciones ofrecidas en Python para Text Mining y NLP
- Aprender a crear aplicaciones completas NLP y Machine Learning desde 0
- Aprender a crear con Python: Generadores de texto, clasificadores y etiquetado de textos, analizadores de significado de vocabulario y sentimientos, resúmenes de textos, filtros, reconocimento de entidades nombradas (NER) y otros proyectos
¿Qué vas a aprender?
Con este curso podrás aprender a crear aplicaciones NLP con los distintos módulos que se ofrecen para Python y así crear soluciones para la generación resumen, filtrado y clasificación de textos, además de sistemas de análisis de vocabulario y sentimientos
Requisitos
- Experiencia previa desarrollando con Python (v3 o superior) y conocimentos básicos de Machine Learning
- Son necesarios permisos de instalación en el equipo en el que se realice la formación
- Tener instalados previamente en el equipo: Python (3 o superior), Anaconda, Git y Docker Desktop
- Tener acceso a una cuenta activa de Google con acceso a Google Cloud Platform que puedas utilizar durante el curso para realizar los ejemplos prácticos
- Se recomienda tener experiencia dockerizando aplicaciones Python
Temario del curso
Testimonios de nuestros clientes
Curso de Text Mining y NLP con Python bonificado para Empresas a través de FUNDAE
Somos entidad organizadora de FUNDAE, todas nuestras formaciones se pueden bonificar hasta el 100%, sujeto a vuestro crédito disponible y a cumplir con todos los requisitos de realización establecidos por la Fundación Estatal para el Empleo.
Si desconoces el funcionamiento de las bonificaciones, ofrecemos el servicio de gestión en FUNDAE, consúltanos cualquier duda que te surja.
Descargar Guía FUNDAE
Aulas Virtuales Personalizadas
¿Quieres formar a un grupo de trabajadores con temario a medida? ¡Esta es tu modalidad!
¡Me interesa!
Catálogo de cursosLos mejores cursos de Big DataLos mejores cursos de Desarrollo WebLos mejores cursos de Desarrollo MóvilLos mejores cursos de Bases de DatosLos mejores cursos de Machine LearningLos mejores cursos de ERP y CMSLos mejores cursos de LenguajesLos mejores cursos de Google WorkspaceLos mejores cursos de Clean codeLos mejores cursos de Productividad
© 2024 Imagina, Imagina Group. Todos los derechos reservados