Training Python | Ekstrak Teks & Data dari Dokumen dengan OCR NER

Selamat Datang di Kursus “Mengekstrak Teks & Data dari Dokumen dengan OCR NER” !!!

Dalam kursus ini Anda akan mempelajari cara mengembangkan Named Entity Recognizer yang disesuaikan. Ide utama kursus ini adalah mengekstrak entitas dari dokumen yang dipindai seperti faktur, Kartu Nama, Tagihan Pengiriman, dokumen Bill of Lading, dll. Namun, demi privasi data, kami membatasi pandangan kami pada Kartu Nama. Namun Anda dapat menggunakan kerangka yang dijelaskan pada semua jenis dokumen keuangan. Di bawah ini adalah kurikulum yang kami ikuti untuk mengembangkan proyek.

Untuk mengembangkan proyek ini kami akan menggunakan dua teknologi utama dalam ilmu data yaitu,

1. Visi Komputer
2. Pemrosesan Bahasa Alami

kita akan mengekstrak judul dari teks dan melakukan pembersihan teks yang diperlukan serta mengurai entitas dari teks.Pemrosesan bahasa alami,, kita akan memindai dokumen, mengidentifikasi lokasi teks, dan terakhir mengekstrak teks dari gambar. Kemudian dalam modul Computer Vision

Perpustakaan Python yang digunakan dalam Modul Computer Vision.

• OpenCV
• Numpy
• Pytesseract

Perpustakaan Python digunakan dalam Pemrosesan Bahasa Alami

• Spacy
• Panda
• Ekspresi Reguler
• Rangkaian

Seperti menggabungkan dua teknologi besar untuk mengembangkan proyek, agar mudah dipahami kami membagi kursus menjadi beberapa tahap pengembangan.

Tahap -1: Kami akan menyiapkan proyek dengan melakukan instalasi dan persyaratan yang diperlukan.

• Instal Python
• Instal Dependensi

Kami akan melakukan persiapan data. Artinya kami akan mengekstrak teks dari gambar menggunakan Pytesseract dan juga melakukan pembersihan yang diperlukan.

• Kumpulkan Gambar
• Ikhtisar tentang Pytesseract
• Ekstrak Teks dari semua Gambar
• Bersihkan dan Siapkan teks

Tahap -3: Kita akan melihat cara memberi label pada data NER menggunakan penandaan BIO.

• Pelabelan secara manual dengan teknik BIO
  • B – Awal
  • I –  Di dalam
  • O – Di luar

Kami akan membersihkan teks lebih lanjut dan memproses data terlebih dahulu untuk melatih pembelajaran mesin.

• Siapkan Data Pelatihan untuk Spacy
• Ubah data menjadi format spacy

Dengan data praproses kita akan melatih model Entitas Bernama.

• Mengonfigurasi Model NER
• Latih modelnya

Kita akan memprediksi hak menggunakan NER dan memodelkan serta membuat saluran data untuk menguraikan teks.

• Model Beban
• Render dan Sajikan dengan Displacy
• Gambar Kotak Pembatas pada Gambar
• Parsing Judul dari Teks

Terakhir, kami akan menggabungkan semuanya dan membuat aplikasi pemindai dokumen.

Apakah anda siap !!!

Mari mulai mengembangkan proyek Kecerdasan Buatan.