Change example from TOYOTA to Apple

Author: icoxfog417

chapters/ja/slides/chapter1_02_statistical-models.md

@@ -153,11 +153,11 @@ Notes: 依存関係解析の結果は、標準化されたラベルで表現さ
 
 # 固有表現抽出
 
-<img src="/ner_example_ja.png" alt="'トヨタはイギリスのスタートアップを10億円で買いそうだ'という文の固有表現抽出結果" width="80%" />
+<img src="/ner_example_ja.png" alt="'アップルはイギリスのスタートアップを10億円で買いそうだ'という文の固有表現抽出結果" width="80%" />
 
 ```python
 # テキストを処理
-doc = nlp("トヨタはイギリスのスタートアップを10億円で買いそうだ")
+doc = nlp("アップルはイギリスのスタートアップを10億円で買いそうだ")
 
 # 抽出された固有表現をイテレート
 for ent in doc.ents:
@@ -166,7 +166,7 @@ for ent in doc.ents:
 ```
 
 ```out
-トヨタ ORG
+アップル ORG
 イギリス GPE
 10億円 MONEY
 ```
@@ -178,7 +178,7 @@ Notes: 固有表現とは、例えば人、国、組織のような、名前の
 `doc.ents`プロパティは`Span`オブジェクトのイテレータを返します。
 そしてそれぞれの`Span`に対して、`.text`でテキストを、`.label_`で固有表現のラベルを取得できます。
 
-このケースでは、「トヨタ」を組織、「イギリス」を地理名称、「10億円」を金額、と正しく解析されています。
+このケースでは、「アップル」を組織、「イギリス」を地理名称、「10億円」を金額、と正しく解析されています。
 
 ---