دوره NLP بهداشت و درمان برای دانشمندان داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- استفاده از بیش از 20000 مدل پیشرفته NLP که در حل مسائل حوزه بهداشت و درمان به بیش از 200 زبان تخصص دارند.
- آموزش و تنظیم مدلهای NLP خودتان با استفاده از معماری طبقهبندی از پیش تعریفشده Spark NLP بر روی مجموعه داده خودتان
- انجام تسک های محبوب NLP مانند تشخیص موجودیتهای بالینی، تطبیق موجودیت (نگاشت موجودیتها به کدهای پزشکی) و تشخیص وضعیت اظهار
- استقرار مدلها به عنوان API با استفاده از NLP Server، یک کانتینر داکر که تمام قابلیتهای Spark NLP را در بر میگیرد.
پیش نیازهای دوره
- درک عملی از زبان پایتون مورد نیاز است.
- توصیه میشود: درک اولیه از یادگیری ماشین و پردازش زبان طبیعی
- توصیه میشود: گذراندن دوره «Spark NLP برای دانشمندان داده»
- دانستن این موارد مزیت محسوب میشود: درک اولیه از Apache Spark
توضیحات دوره
سلام به همگی، به دوره «NLP بهداشت و درمان برای دانشمندان داده» که توسط John Snow Labs، خالق کتابخانه Healthcare NLP، ارائه میشود، خوش آمدید!
در این دوره، شما با قابلیتهای گسترده کتابخانه بهداشت و درمان NLP & LLM از John Snow Labs آشنا خواهید شد که برای ارائه مهارتهای عملی و بینشهای صنعتی به متخصصان و دانشمندان داده در حوزه بهداشت و درمان طراحی شده است.
این دوره تکنیکهای اصولی NLP، از جمله تشخیص موجودیت بالینی، تطبیق موجودیت، تشخیص وضعیت اظهار (تشخیص نفی)، استخراج رابطه، ناشناسسازی، خلاصهسازی متن، استخراج کلمات کلیدی و طبقهبندی متن را پوشش میدهد. بیش از 13 ساعت درس با بیش از 70 نوتبوک پایتون برای بررسی و استفاده شما وجود دارد. شما یاد خواهید گرفت که از مدلهای از پیش آموزشدیده استفاده کرده و مدلهای جدیدی را برای چالشهای خاص حوزه بهداشت و درمان خود آموزش دهید.
ما هم نوتبوکهای کدنویسی عملی همراه با درس ها و هم پستهای وبلاگ مرتبط را برای بررسی و کاربرد شما ارائه میدهیم. در پایان این برنامه، شما با مهارتها و بینشهای لازم برای درخشش در چشمانداز پویای NLP و LLM در حوزه بهداشت و درمان مجهز خواهید شد.
توصیه میکنیم ابتدا دوره «Spark NLP برای دانشمندان داده» را بگذرانید تا درکی از کتابخانه و پلتفرم ما داشته باشید، همچنین تجربه کاری با پایتون، دانش نسبی در مورد ساختار دیتافریم اسپارک و دانش NLP داشته باشید تا بیشترین بهره را از این دوره ببرید. البته، داشتن تجربه در حوزه بهداشت و درمان همیشه یک مزیت است.
شما برای این دوره به یک لایسنس آزمایشی بهداشت و درمان NLP نیاز خواهید داشت، پس لطفاً برای دریافت آن اقدام کنید تا یادگیری را شروع نمایید. مشتاقانه منتظر دیدن شما در این دوره هستیم.
این دوره برای چه کسانی مناسب است؟
- دانشمندان داده که به دنبال استفاده از پردازش زبان طبیعی در مقیاس بزرگ هستند.
- دانشمندان داده که به دنبال ساخت اپلیکیشن های سفارشی درک زبان طبیعی (NLU) هستند.
- تحلیلگران داده که میخواهند از پردازش زبان طبیعی استفاده کنند.
- دانشمندان داده که به دنبال استفاده از دانش گسترده و عمیق حوزه بهداشت و درمان در NLP برای کمک به دستیابی به اهداف کسب و کار هستند.
دوره NLP بهداشت و درمان برای دانشمندان داده
-
بررسی کلی دوره NLP بهداشت و درمان برای دانشمندان داده 06:18
-
ساختار دوره 02:09
-
چگونه برای دوره لایسنس بهداشت و درمان NLP دریافت کنیم؟ 00:25
-
BertSentenceChunkEmbeddings 11:26
-
ChunkSentenceSplitter 10:00
-
EntityChunkEmbeddings 09:59
-
AnnotationMerger 06:41
-
Replacer 09:24
-
Chunk2Token 04:46
-
ChunkKeyPhraseExtraction 13:10
-
DateNormalizer 07:31
-
DrugNormalizer 07:36
-
IOBTagger 04:52
-
NerDisambiguator 06:48
-
NerChunker 05:18
-
Flattener 10:14
-
NerQuestionGenerator 06:01
-
InternalDocumentSplitter 12:11
-
RegexMatcher 07:57
-
NerConverter 11:34
-
استنتاج مدل Ner 22:54
-
NerModel 10:26
-
BertForTokenClassifier 06:16
-
ChunkFilterer 21:06
-
استنتاج مدل ChunkFilterer 15:01
-
استنتاج مدل ChunkMerge 19:50
-
ChunkMergeModel 09:46
-
ChunkConverter 05:48
-
ContextualParserModel 06:15
-
ZeroShotNerModel 09:58
-
استنتاج مدل ContextualParser 07:56
-
EntityRuler 06:42
-
TextMatcher 07:05
-
AssertionChunkConverter 03:33
-
AssertionFilterer 08:12
-
AssertionDLModel 17:51
-
استنتاج مدل AssertionLogReg 05:38
-
AssertionLogRegModel 05:43
-
استنتاج مدل AssertionDL 21:22
-
RelationExtractionDLModel 09:48
-
استنتاج مدل RelationExtraction - بخش 1 15:55
-
استنتاج مدل RelationExtraction - بخش 2 13:32
-
RENerChunksFilter 13:43
-
RelationExtractionModel 17:46
-
FeaturesAssembler 07:53
-
DistilBertForSequenceClassification 09:36
-
BertForSequenceClassification 09:12
-
استنتاج مدل GenericClassifier 11:49
-
GenericSVMClassifierModel 07:11
-
استنتاج مدل GenericLogRegClassifier 12:22
-
GenericClassifierModel 04:58
-
استنتاج مدل GenericSVMClassifier 11:58
-
استنتاج مدل DocumentMLClassifier 15:46
-
DocumentMLClassifierModel 05:28
-
FewShotClassifier 05:04
-
WindowedSentenceModel 04:53
-
DocumentLogRegClassifier 03:37
-
DocumentFiltererByClassifier 04:27
-
Resolution2Chunk 05:01
-
ChunkMapperModel 18:37
-
DocMapperModel 19:57
-
استنتاج مدل DocMapper 22:12
-
استنتاج مدل ChunkMapper - بخش 1 13:51
-
استنتاج مدل ChunkMapper - بخش 2 14:44
-
ChunkMapperFilterer 08:56
-
Doc2Chunk 05:22
-
Router 08:42
-
SentenceEntityResolverModel 08:51
-
استنتاج مدل SentenceEntityResolver 13:33
-
ReIdentification 05:26
-
ResolverMerger 07:11
-
استنتاج مدل NameChunkObfuscator 16:41
-
NameChunkObfuscator 10:30
-
DocumentHashCoder 11:30
-
DeIdentification_DeIdentificationModel - بخش 1 19:13
-
DeIdentification_DeIdentificationModel - بخش 2 14:26
-
Summarizer 07:52
-
ExtractiveSummarization 04:51
-
سیستمهای پاسخ به سوال 05:14
-
TextGenerator 09:53
مشخصات آموزش
دوره NLP بهداشت و درمان برای دانشمندان داده
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:80
- مدت زمان :13:40:46
- حجم :6.63GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy