Segmentación de palabras chinas y etiquetado de partes gramaticales para procesamiento de lenguaje natural NLP

---

1. Características de la biblioteca de terceros de Python jieba (segmentación de palabras chinas, etiquetado de parte del discurso)

Admite tres modos de segmentación de palabras:

1. Modo preciso, tratando de cortar la oración con mayor precisión, adecuado para el análisis de texto;

2. Modo completo, escanea todas las palabras que se pueden formar en palabras en la oración, que es muy rápido, pero no puede resolver ambigüedades;

3. El modo de motor de búsqueda, basado en el modo preciso, segmenta las palabras largas nuevamente para mejorar la tasa de recuperación, adecuado para la segmentación de palabras del motor de búsqueda.

4. Apoyar la segmentación tradicional de palabras

5. Admite diccionario personalizado

2. Instalación de la segmentación de palabras chinas jieba

pip3 instalar jieba

Use import jieba para hacer referencia en el archivo python

"" "

importar jieba

importar jieba.analyse

importar jieba.posseg

'' '

1. Segmentación de
   palabras La segmentación de palabras chinas es el proceso de recombinación de secuencias de palabras consecutivas en secuencias de palabras de acuerdo con determinadas especificaciones.

Sabemos que en la escritura en inglés, los espacios se utilizan como delimitadores naturales entre palabras.

En chino, solo las palabras, oraciones y párrafos pueden delimitarse fácilmente con delimitadores obvios, pero las palabras no tienen un delimitador formal.

Aunque el inglés también tiene el problema de dividir frases, a nivel de palabras, el chino es mucho más complicado y difícil que el inglés.

1) El método jieba.cut acepta tres parámetros de entrada:

La cadena que debe segmentarse; el parámetro cut_all se usa para controlar si se usa el modo completo; el parámetro HMM se usa para controlar si se usa el modelo HMM

2) El método jieba.cut_for_search acepta dos parámetros:

La cadena que se va a segmentar; si se va a utilizar el modelo HMM. Este método es adecuado para la segmentación de palabras de los motores de búsqueda para construir un índice invertido, con granularidad fina.

3) La cadena de caracteres a segmentar puede ser unicode o una cadena de caracteres UTF-8, una cadena de caracteres GBK.

Nota: No se recomienda ingresar la cadena GBK directamente, puede decodificarse en UTF-8 de forma inesperada e incorrecta

4) La estructura devuelta por jieba.cut y jieba.cut_for_search es un generador iterable,

Puede usar el bucle for para obtener cada palabra (unicode) obtenida después de la segmentación de palabras, o usar

5) jieba.lcut y jieba.lcut_for_search regresan directamente a la lista

6) jieba.Tokenizer (diccionario = DEFAULT_DICT) para crear un nuevo tokenizador personalizado,

Se puede utilizar para utilizar diferentes diccionarios al mismo tiempo. jieba.dt es el tokenizador predeterminado, y todas las funciones relacionadas con el tokenizador global son la asignación de este tokenizador.

'' '

importar jieba

seg_list = jieba.cut ("Vine a la Universidad Tsinghua de Beijing", cut_all = True)

print ("[Modo completo]:" + "/" .join (seg_list)) # Modo completo

seg_list = jieba.cut ("¿Se cobra? La aplicación es una plataforma de educación en línea que se centra en mejorar las habilidades profesionales de los trabajadores de oficina y cobrar el aprendizaje", cut_all = True)

print ("[Modo completo]:" + "/" .join (seg_list)) # Modo completo

seg_list = jieba.cut ("Vine a la Universidad Tsinghua de Beijing", cut_all = False)

print ("[modo preciso predeterminado]:" + "/" .join (seg_list)) # modo preciso

seg_list = jieba.cut ("Vine a la Universidad Tsinghua de Beijing") # El modo predeterminado es el modo preciso

print ("[Modo exacto]" + "," .join (seg_list))

seg_list = jieba.cut ("¿Se cobra? La aplicación es una plataforma de educación en línea que se centra en mejorar las habilidades profesionales de los trabajadores de oficina, cobrar el aprendizaje") # El modo predeterminado es el preciso

print ("[Modo exacto]" + "," .join (seg_list))

#Modo de motor de búsqueda

seg_list = jieba.cut_for_search ("Vine a la Universidad Tsinghua de Beijing")

print ("," .join (seg_list))

seg_list = jieba.cut_for_search ("¿Se cobra? La aplicación es una plataforma de educación en línea que se centra en mejorar las habilidades profesionales de los trabajadores de oficina y cobrar el aprendizaje")

print ("," .join (seg_list))

seg_list = jieba.cut_for_search ("Xiao Ming se graduó del Instituto de Tecnología Informática de la Academia de Ciencias de China y luego estudió en la Universidad de Kioto, Japón")

print ("," .join (seg_list))

print ("La segmentación de palabras está completa").

'' '

【Modo completo】:

Yo / vengo / Beijing / Tsinghua / Universidad de Tsinghua / Huada / Universidad

【Modo preciso】:

Yo / vengo / Beijing / Universidad de Tsinghua

【Modo de motor de búsqueda】:

Xiao Ming, maestro, graduado, en, China, Ciencia, Academia, Academia de Ciencias, Academia China de Ciencias, Informática, Instituto de Tecnología Informática, más tarde, en, Japón,

Kyoto, Universidad, Universidad de Kyoto, Japón, Fukazo

'' '

'' '

Escenarios de aplicación de segmentación de palabras:

Por ejemplo, los motores de búsqueda, toman como ejemplo la búsqueda de nuestro sitio web oficial.

http://www.chongdianleme.com

'' '

'' '

Parte del etiquetado de voz:

Ejemplo: ¿Está cobrando? La aplicación es una plataforma de educación en línea que se enfoca en mejorar las habilidades profesionales de los trabajadores de oficina y recargar el aprendizaje.

Charge / v, up / ul, yes / y, App / eng, yes / v, focus / v,

Oficinista / nz, habilidades vocacionales / n, promoción / v, carga / v, aprendizaje / v, of / uj, educación en línea / l, plataforma / n

La tabla de partes del discurso es la siguiente:
Ag

Morfema

Morfemas adjetivos. El código de adjetivo es a, y el código de morfema g está precedido por A.

un

adjetivo

Tome la primera letra del adjetivo adjetivo en inglés.

anuncio

Adverbio

Un adjetivo usado directamente como adverbial. El código adjetivo ay el código adverbio d se combinan.

un

Sustantivos

Adjetivos con funciones sustantivas. El código adjetivo ay el código sustantivo n se combinan.

segundo

Palabras distintivas

Toma las iniciales del carácter chino "别".

C

conjunción

Tome la primera letra de la conjunción inglesa.

dg

Adverbios

Morfemas adverbiales. El código de adverbio es d, y el código de morfema g está precedido por D.

re

adverbio

Tome la segunda letra del adverbio, porque la primera letra se ha utilizado en adjetivos.

mi

interjección

Tome la primera letra de la exclamación en inglés.

F

Posición de la palabra

Tome el carácter chino "colmillo"

gramo

Morfema

La mayoría de los morfemas se pueden utilizar como "raíz" de palabras compuestas, tomando las iniciales del carácter chino "raíz".

h

Componente frontal

Tome la primera letra de la cabeza inglesa.

yo

idioma

Tome la primera letra de la expresión idiomática en inglés.

j

Abreviatura

Tome las iniciales del carácter chino "jian".

k

Seguido de ingredientes

l

Modismos

Los modismos aún no se han convertido en modismos, son un poco "temporales" y toman las iniciales de "pro".

metro

número

Tome la tercera letra del inglés numérico, ny u tienen otros usos.

Ng

Morfema nominal

Morfemas nominales. El código de sustantivo es n, y el código de morfema g está precedido por N.

norte

sustantivo

Tome la primera letra del sustantivo en inglés.

No

Nombre personal

El código sustantivo n se combina con las iniciales de "ren".

ns

Ponga su nombre

Se combinan el código de nombre ny los códigos de palabra de ubicación s.

Nuevo Testamento

Grupos institucionales

La inicial de "tuan" es t, y los códigos sustantivos n y t se combinan.

Nueva Zelanda

Otros nombres propios

La primera letra de las iniciales de "Especial" es z, y los códigos sustantivos n y z están combinados.

O

Onomatopeya

Tome la primera letra de la onomatopeya onomatopeya inglesa.

pags

preposición

Tome la primera letra de la preposicional preposicional inglesa.

q

cuantificador

Tome la primera letra de la cantidad en inglés.

r

pronombre

Tome la segunda letra del pronombre del inglés, porque p se ha utilizado como preposición.

s

Palabra de ubicación

Tome la primera letra del espacio en inglés.

tg

Morfemas temporales

Parte temporal de los morfemas del habla. El código de la palabra de tiempo es t, y T se coloca delante del código de morfema g.

t

Palabra de tiempo

Toma la primera letra de la hora inglesa.

tu

partícula

Tome la palabra auxiliar en inglés auxiliar

vg

Morfema del verbo

Morfemas verbales. El código del verbo es v. Ponga V delante del código g del morfema.

v

verbo

Tome la primera letra del verbo del verbo inglés.

enfermedad venérea

Adverbio

Verbos usados ​​directamente como adverbiales. Los códigos del verbo y el adverbio se fusionan.

vn

Verbo sustantivado

Se refiere a verbos con funciones sustantivas. Los códigos del verbo y el sustantivo se fusionan.

w

Puntuación

X

No morfema

Una palabra sin morfema es solo un símbolo, y la letra x se usa generalmente para representar números y símbolos desconocidos.

y

Modal

Toma las iniciales del carácter chino "语".

con

Palabra de estado

Tome la primera letra de las iniciales del carácter chino "Zhuang".

un

Palabra desconocida

Palabras irreconocibles y frases definidas por el usuario. Tome las dos primeras letras del inglés Unkonwn. (Estándar de la Universidad fuera de Pekín, definido en participio CSW)

'' '

def dosegment_all (oración):

'' '

Con el etiquetado de parte del discurso, la segmentación de oraciones, no se excluyen las palabras vacías

: oración param: caracteres de entrada

:regreso:

'' '

frase_segurada = jieba.posseg.cut (frase.strip ())

outstr = ''

para x en frase_segurada:

outstr + = "{} / {},". formato (x.word, x.flag)

# El bucle for anterior se puede completar con el generador de construcción recursiva de Python

#outstr = “,”. join ([("% s /% s"% (x.word, x.flag)) para x en frase_segurada])

volver fuera

str = dosegment_all ("¿Se cobra? La aplicación es una plataforma de educación en línea que se centra en mejorar las habilidades profesionales de los trabajadores de oficina y cobrar el aprendizaje")

imprimir (str)

print ("Part of Speech Tagging")

Extracción de palabras clave basada en el algoritmo TF-IDF

Extracción de palabras clave basada en el algoritmo TF-IDF (frecuencia de términos-frecuencia inversa de documentos):

importar jieba.analyse

jieba.analyse.extract_tags (oración, topK = 20, withWeight = False, allowPOS = ())

oración: el texto a extraer

topK: para devolver varias palabras clave con el mayor peso TF / IDF, el valor predeterminado es 20

withWeight: ya sea para devolver el valor de ponderación de la palabra clave juntos, el valor predeterminado es Falso

allowPOS: solo incluye palabras de la parte gramatical especificada, el valor predeterminado es vacío, es decir, sin filtrado

Introducción al principio TF-IDF

TF-IDF （frecuencia de término - frecuencia de documento inversa）

Es una técnica de ponderación de uso común para la recuperación de información y la minería de texto.

TF-IDF es un método estadístico que se utiliza para evaluar la importancia de una palabra para un conjunto de documentos o uno de los documentos de un corpus.

La importancia de una palabra aumenta en proporción al número de veces que aparece en el documento.

Pero al mismo tiempo, disminuirá inversamente a la frecuencia de su aparición en el corpus.

Los motores de búsqueda suelen utilizar diversas formas de ponderación TF-IDF como medida o clasificación del grado de relevancia entre documentos y consultas de los usuarios.

Además de TF-IDF, los motores de búsqueda de Internet también utilizan métodos de clasificación basados ​​en el análisis de enlaces.

Determinar el orden en el que aparecen los documentos en los resultados de búsqueda.

principio

En un documento determinado, la frecuencia de término (TF) se refiere al número de veces que una palabra determinada aparece en el documento.

Este número generalmente se normaliza para evitar que esté sesgado hacia archivos largos.

La misma palabra puede tener una frecuencia de palabras más alta en un documento largo que en un documento corto, independientemente de la importancia de la palabra.

La frecuencia inversa de documentos (IDF) es una medida de la importancia universal de las palabras.

El IDF de una palabra en particular se puede obtener dividiendo el número total de documentos por el número de documentos que contienen la palabra y luego tomando el logaritmo del cociente obtenido.

TF-IDF de alto peso: la frecuencia de palabra alta en un archivo en particular y la frecuencia de archivo baja de la palabra en toda la colección de archivos,

Puede producir TF-IDF de alto peso.

Por lo tanto, TF-IDF tiende a filtrar palabras comunes y mantener palabras importantes.

'' '

importar jieba.analyse

oración = “” "

Rechargeable es una plataforma de educación en línea que se centra en el aprendizaje recargable para la formación profesional de los trabajadores de oficina.

¡Aprenda habilidades profesionales de forma gratuita, mejore la eficiencia del trabajo y traiga beneficios económicos! ¿Estás cargando hoy?

¿Está cargando el sitio web oficial: http://www.chongdianleme.com?

¿Está cargada la descarga de la aplicación: https://a.app.qq.com/o/simple.jsp?pkgname=com.charged.app

Las características son las siguientes:

[Empleos en toda la industria] -Mejora de habilidades profesionales para trabajadores de oficina

Cubriendo todas las industrias y puestos, ya sea trabajador de oficina, ejecutivo o empresario, hay videos y artículos gratuitos que desea aprender. Entre ellos, la IA de inteligencia artificial de big data, blockchain y el aprendizaje profundo son la experiencia práctica de primera línea a nivel industrial de Internet.

Además del aprendizaje de habilidades profesionales, existen habilidades generales en el lugar de trabajo, como administración corporativa, incentivos y diseño de equidad, planificación de carrera, etiqueta social, habilidades de comunicación, habilidades de presentación, habilidades para reuniones, habilidades para enviar correos electrónicos, cómo relajar la presión laboral, conexiones personales, etc. Mejora tu nivel profesional y calidad general en todos los aspectos.

【Niuren Classroom】 -Aprende sobre la experiencia laboral

1. Motor de recomendación personalizado inteligente:

Cursos de video gratuitos masivos, que cubren todas las industrias y todos los puestos, a través del análisis de minería de preferencias de palabras de habilidades de diferentes puestos de la industria, recomiendan de manera inteligente cursos de aprendizaje de habilidades que coincidan con su puesto actual.

2. Busca conferencias en toda la red

Ingrese palabras clave para buscar cursos de video masivos, hay de todo, siempre hay un curso gratuito para usted.

3. Detalles de escuchar la clase

Detalles de reproducción de video, además de reproducir el video actual, también hay cursos de video relacionados y recomendaciones de lectura de artículos, lo que fortalece un cierto punto de conocimiento de habilidades, lo que le permite convertirse fácilmente en un experto senior en un campo determinado.

【Excelente lectura】 -Lectura interesante de artículos sobre habilidades

1. Motor de recomendación de lectura personalizado:

Decenas de millones de artículos gratuitos para leer, que cubren todas las industrias y todas las posiciones, a través del análisis de minería de preferencias de palabras de habilidades de diferentes posiciones de la industria, recomiendan inteligentemente artículos de aprendizaje de habilidades que coincidan con su posición actual.

2. Leer toda la búsqueda de la red

Ingrese palabras clave para buscar una gran cantidad de artículos para leer, todo está disponible, siempre hay artículos de aprendizaje de habilidades que le interesan.

[Robot Teacher] -Mejora personalmente el aprendizaje divertido

Basado en el entrenamiento de aprendizaje en profundidad de motores de búsqueda e inteligencia artificial, crearemos un maestro robot que lo entienda mejor, chatee y aprenda con el maestro robot en lenguaje natural, entretenido y aprendiendo, aprendizaje eficiente y vida feliz.

【Curso corto】 -Aprender conocimientos de manera eficiente

Cursos cortos masivos para satisfacer su aprendizaje fragmentado en el tiempo y mejorar rápidamente un cierto punto de conocimiento de habilidades.

¿Está cargando el sitio web oficial: http://www.chongdianleme.com?

¿Está cargada la descarga de la aplicación: https://a.app.qq.com/o/simple.jsp?pkgname=com.charged.app

"" "

palabras clave = jieba.analyse.extract_tags (oración,

topK = 36,

withWeight = True,

allowPOS = ('n', 'nr', 'ns'))

print ("Palabras clave extraídas por el algoritmo TF-IDF: --------------------------------------- ---- ")

para el artículo en palabras clave:

imprimir (elemento [0], elemento [1])

Extracción de palabras clave basada en el algoritmo TextRank

jieba.analyse.textrank (oración, topK = 20, withWeight = False,

allowPOS = ('ns', 'n', 'vn', 'v')) solo incluye palabras con una parte del discurso especificada, el valor predeterminado es vacío, es decir, sin filtrado.

jieba.analyse.TextRank () Crea una instancia de TextRank personalizada

Idea básica:

Segmentar el texto de las palabras clave a extraer

Con un tamaño de ventana fijo (el valor predeterminado es 5, ajustado por el atributo de intervalo), la relación de co-ocurrencia entre palabras se usa para construir un gráfico

Calcule el PageRank de los nodos en el gráfico, preste atención al gráfico ponderado no dirigido

Introducción al principio del algoritmo textRank

Divida el texto original en oraciones, filtre las palabras vacías (opcional) en cada oración y conserve solo las palabras con una parte específica del discurso (opcional).

De esto podemos obtener el conjunto de oraciones y el conjunto de palabras.

Cada palabra sirve como un nodo en pagerank. Establezca el tamaño de la ventana en k, asumiendo que una oración consta de las siguientes palabras en secuencia:

w1, w2, w3, w4, w5,…, wn

w1, w2,…, wk, w2, w3,…, wk + 1, w3, w4,…, wk + 2, etc. son todas una ventana.

Hay un borde no dirigido y no ponderado entre los nodos correspondientes a dos palabras cualesquiera en una ventana.

Según el gráfico de composición anterior, se puede calcular la importancia de cada nodo de palabra. Las palabras más importantes se pueden utilizar como palabras clave.

'' '

palabras clave = jieba.analyse.textrank (oración,

topK = 36,

withWeight = True,

allowPOS = ('n', 'nr', 'ns'))

print ("El algoritmo TextRank extrae palabras clave: =============================")

para el artículo en palabras clave:

imprimir (elemento [0], elemento [1])

para resumir

Además de la segmentación de palabras chinas y el etiquetado de parte del discurso del procesamiento del lenguaje natural NLP,
otros marcos de aprendizaje profundo también tienen buenas implementaciones de código abierto, como MXNet. Preste atención a la aplicación de carga, los cursos y los grupos de WeChat. Para obtener más información contenido, consulte el nuevo libro "Práctica de aprendizaje automático distribuido" (Serie de ciencia y tecnología de inteligencia artificial) "

[Introducción del nuevo libro]
"Aprendizaje automático distribuido en la práctica" (serie de ciencia y tecnología de inteligencia artificial) [editado por Chen Jinglei] [Prensa de la Universidad de Tsinghua]
Características del nuevo libro: Explica el marco del aprendizaje automático distribuido y su aplicación que respalda la recomendación personalizada sistema de algoritmos paso a paso, reconocimiento facial, robots de diálogo y otros proyectos prácticos

[Video de introducción del nuevo libro] Nuevo libro sobre
prácticas distribuidas de aprendizaje automático (serie de ciencia y tecnología de inteligencia artificial) [Chen Jinglei]

Funciones de video: ¡enfóquese en la introducción de nuevos libros, análisis de los puntos de acceso de tecnología de vanguardia y sugerencias de planificación de carreras técnicas! Después de escuchar esta lección, ¡tendrá una nueva visión tecnológica en el campo de la inteligencia artificial! ¡El desarrollo profesional también tendrá una comprensión más clara!

[Excelente curso]
"Combate práctico de aprendizaje automático distribuido" Big Data Inteligencia artificial AI Nivel de experto Excelente curso

[Video de experiencia gratis]:

Ruta de crecimiento salarial anual de millones de inteligencia artificial / desde Python hasta la última tecnología de moda

Desde la introducción para principiantes a la programación en Python con base cero hasta la serie práctica avanzada de cursos de inteligencia artificial

Características del video: esta serie de cursos de alta calidad para expertos tiene un libro de apoyo correspondiente "Combate práctico de aprendizaje automático distribuido". Los cursos y libros de alta calidad pueden complementarse y complementarse entre sí, lo que mejora en gran medida la eficiencia del aprendizaje. Esta serie de cursos y libros toma el aprendizaje automático distribuido como la línea principal y brinda una introducción detallada a la tecnología de macrodatos de la que depende. Después de eso, se enfocará en los marcos y algoritmos de aprendizaje automático distribuido actuales. Esta serie de cursos y los libros se centran en el combate real. Finalmente, hablaré sobre algunos proyectos de combate de sistemas a nivel industrial para todos. El contenido principal del curso incluye big data e inteligencia artificial de empresas de Internet, arquitectura del sistema de algoritmos de big data, base de big data, programación Python, programación Java, programación Scala, contenedor Docker, plataforma de aprendizaje automático distribuido Mahout, plataforma de aprendizaje automático distribuido Spark, distribuido marco de aprendizaje profundo y algoritmo de red neuronal, algoritmo de procesamiento de lenguaje natural, combate de sistema completo de grado industrial (combate de sistema de algoritmo recomendado, combate de reconocimiento facial, combate de robot de diálogo), habilidades de empleo / entrevista / planificación de carrera / orientación de promoción, etc.

[¿Se cobra? Introducción de la empresa]

La aplicación recargable es una plataforma de educación en línea que se centra en la formación profesional y el aprendizaje para los trabajadores de oficina.

¡Concéntrese en la mejora y el aprendizaje de habilidades profesionales laborales, mejore la eficiencia del trabajo y traiga beneficios económicos! ¿Estás cargando hoy?

¿Está cargando el sitio web oficial
http://www.chongdianleme.com/?

Dirección de descarga del sitio web oficial de la aplicación
https://a.app.qq.com/o/simple.jsp?pkgname=com.charged.app

Las características son las siguientes:

【Puestos completos en la industria】 -Céntrese en mejorar las habilidades profesionales de los trabajadores de oficina

Cubriendo todas las industrias y puestos, ya sea trabajador de oficina, ejecutivo o emprendedor, hay videos y artículos que desea aprender. Entre ellos, la IA inteligente de big data, blockchain y el aprendizaje profundo son la experiencia práctica del nivel industrial de primera línea de Internet.

Además del aprendizaje de habilidades profesionales, existen habilidades generales en el lugar de trabajo, como administración corporativa, incentivos y diseño de equidad, planificación de carrera, etiqueta social, habilidades de comunicación, habilidades de presentación, habilidades para reuniones, habilidades para enviar correos electrónicos, cómo relajar la presión laboral, conexiones personales, etc. Mejora tu nivel profesional y calidad general en todos los aspectos.

【Niuren Classroom】 -Aprende la experiencia laboral de Niuren

1. Motor de personalización inteligente:

Cursos de video masivos, que cubren todas las industrias y todos los puestos, a través del análisis de minería de preferencias de palabras de habilidades de diferentes industrias y puestos, combinando inteligentemente los cursos de aprendizaje de habilidades que más le interesan para el puesto actual.

2. Busca conferencias en toda la red

Ingrese palabras clave para buscar cursos de video masivos, hay de todo, siempre hay un curso adecuado para usted.

3. Detalles de escuchar la clase

Detalles de reproducción de video, además de reproducir el video actual, también hay cursos de video relacionados y lectura de artículos, lo que fortalece un cierto punto de conocimiento de habilidades, lo que le permite convertirse fácilmente en un experto senior en un campo determinado.

【Excelente lectura】 -Lectura interesante de artículos sobre habilidades

1. Motor de lectura personalizado:

Decenas de millones de artículos para leer, que cubren todas las industrias y todos los puestos, a través del análisis de minería de preferencias de palabras de habilidades de puestos en diferentes industrias, combinando inteligentemente los artículos de aprendizaje de habilidades que más le interesan en su puesto actual.

2. Leer toda la búsqueda de la red

Ingrese palabras clave para buscar una gran cantidad de artículos para leer, todo está disponible, siempre hay artículos de aprendizaje de habilidades que le interesan.

[Robot Teacher] -Mejora personalmente el aprendizaje divertido

Basado en el motor de búsqueda y la formación inteligente de deep learning, crearemos un maestro robot que te entienda mejor, chatee y aprenda con el maestro robot en lenguaje natural, entretenido y aprendiendo, aprendizaje eficiente y vida feliz.

【Curso corto】 -Aprender conocimientos de manera eficiente

Cursos cortos masivos para satisfacer su aprendizaje fragmentado en el tiempo y mejorar rápidamente un cierto punto de conocimiento de habilidades.