DANH SÁCH KHÓA HỌC
/ ĐÀO TẠO CHUYỂN ĐỔI SỐ
/ KHOÁ HỌC VỀ DATA SCIENCE
Khoá học về new media and khai thác dữ liệu mang tính cảm xúc (sentiment mining)
Tóm tắt khóa học:
| Đối tượng:
Chuyên gia phân tích khách hàng mong muốn thực hiện các phân tích sâu hơn về phân tích tình cảm trên các phản hồi và đánh giá của khách hàng
Chuyên gia khoa học dữ liệu thuộc các tổ chức dịch vụ tài chính thực hiện khai thác dữ liệu mang tính cảm xúc trong các ứng dụng trong tài chính bao gồm gian lận, giao dịch.
Các chuyên gia phân tích dữ liệu trong các dịch vụ tài chính sử dụng nghiên cứu nội bộ và tin tức bên ngoài để nghiên cứu.
Các nhà phân tích muốn tự động hóa và trích xuất thông tin chi tiết từ các tài liệu văn bản nội bộ và bên ngoài thuộc trong tổ chức của họ
Mục tiêu khoá học:
Khoá học nhằm trang bị cho học viên kiến thức và kỹ năng để có thể:
Xác định vùng có thể áp dụng phân tích tâm lý
Đánh giá và phân tích các kỹ thuật phân loại để phân loại cảm xúc và triển khai với các thư viện nguồn mở
Thiết kế hệ thống phân tích cảm xúc để lấy cho phản hồi và đánh giá của khách hàng
Thiết kế hệ thống phân tích cảm xúc dành cho mục đích tin tức và mạng xã hội cho các ứng dụng trong lĩnh vực tài chính
Đánh giá và đánh giá phân tích cảm xúc ở cấp độ chi tiết cho các thực thể và từng khía cạnh
|
Thời lượng khóa học: 4 ngày
Nội dung khóa học:
- Introduction to sentiment analysis and its applications in various social domains.
- Overview of related tasks of NLP to sentiment analysis
- Supervised learning classification algorithms for sentiment analysis
- Entity and aspect mining for sentiment analysis
- Sentiment visualization tools
- Applications of sentiment analysis to customer analytics and financial applications
- Sentiment analysis and its psychological basis
- Identify where sentiment analysis can be applied
- Evaluate and analyse the classification techniques for sentiment classification and apply it with open source libraries
- Design a sentiment analysis system for customer feedback and reviews
- Design a sentiment analysis system for news and social media for applications in finance
- Evaluate and assess sentiment analysis at a granular level for entities and aspects
