علم داده با تحلیل‌های هوش مصنوعی مولد: Python + Hugging Face

آنچه یاد خواهید گرفت:

• توصیف مفاهیم اصلی Generative AI و نقش آن در ارتقای گردش های کاری علم داده، از جمله تولید داده‌های مصنوعی
• تحلیل داده‌های متنی ساختارنیافته با استفاده از Hugging Face Transformers برای انجام تحلیل احساسات و استخراج بینش‌های کلیدی
• طراحی و پیاده‌سازی یک پایپ‌لاین Python برای آماده‌سازی داده‌ها، تحلیل احساسات و خلاصه‌سازی توسط LLM جهت تولید و اعتبارسنجی گزارش‌های تحلیلی به‌صورت برنامه‌نویسی
• ارزیابی ملاحظات اخلاقی و بهترین شیوه ها برای پیاده‌سازی مسئولانه Generative AI در پروژه‌های علم داده.

پیش نیازهای دوره

• اصول برنامه‌نویسی Python
• استفاده مقدماتی از Jupyter Notebooks یا ابزارهای مشابه
• آشنایی با ابزارهای زبانی هوش مصنوعی (مانند درک عملکرد یک LLM)
• درک اولیه از ساختارها و دستکاری داده‌ها (pandas)

توضیحات دوره

هر روز، کسب‌وکارها کوهی از داده‌های متنی ساختارنیافته تولید می‌کنند. از نظرات مشتریان گرفته تا تیکت‌های پشتیبانی و اکثر این داده‌ها بدون استفاده باقی می‌مانند. چه می‌شد اگر می‌توانستید با استفاده از Generative AI، تمام آن متن‌های خام را در چند دقیقه به بینش‌های ساختاریافته و گزارش‌های خودکار تبدیل کنید؟

به دوره Generative AI برای علم داده خوش آمدید: ساخت تحلیل‌های هوشمند با GenAI! مدرس این دوره، پروفسور رضا (دکتر رضا مرادی‌نژاد)، دانشمند و آموزش‌دهنده هوش مصنوعی با بیش از ده سال تجربه در یادگیری ماشین، علوم کامپیوتر و تعامل انسان و کامپیوتر است که با تیم‌هایی در MIT Media Lab ،CMU و Harvard همکاری داشته است.
در این دوره، او شما را در یک مسیر عملی و مبتنی بر پروژه راهنمایی خواهد کرد که در آن یک پایپ‌لاین داده کامل Generative AI را با استفاده از Python ،Hugging Face Transformers و مجموعه داده‌های واقعی خواهید ساخت.

شما یاد خواهید گرفت چگونه نقدهای فیلم را تحلیل کنید، داده‌های مصنوعی تولید نمایید، با استفاده از LLMها بینش‌ها را استخراج کنید و گزارش‌دهی تحلیلی را خودکار سازید، گام‌به‌گام، با مثال‌های کد عملی و راهنمایی‌های دقیق. برخلاف دوره‌های معمول GenAI که صرفاً تئوری هستند، این دوره کاملاً بر کاربرد واقعی متمرکز است.

در این دوره با مجموعه داده Rotten Tomatoes کار خواهد شد، ساختارها در Jupyter Notebooks ایجاد می‌شوند و مدل‌های پیش‌آموزش‌دیده برای تحلیل احساسات، خلاصه‌سازی متن و تولید گزارش اعمال می‌گردند.

هر مرحله‌ای که می‌آموزید برای پروژه‌های علم داده شخصی شما در حوزه‌های مختلف قابل استفاده است. تا پایان دوره، نه‌تنها خواهید فهمید که چگونه از GenAI استفاده کنید، بلکه یک ابزار تحلیلی کاملاً کاربردی مبتنی بر آن را خواهید ساخت. چه یک دانشمند داده باشید، چه مهندس هوش مصنوعی یا یک تحلیلگر کنجکاو، این دوره را با مهارت‌ها و اعتمادبه‌نفسی به پایان خواهید رساند که بتوانید هر مجموعه داده متنی سنگین را به بینش‌های خودکار تبدیل کنید. بیایید شروع کنیم، و چگونگی انجام علم داده را با محوریت Generative AI متحول سازیم.

1 نتیجه اصلی:

تا پایان این دوره، قادر خواهید بود یک پایپ‌لاین Generative AI مبتنی بر Python را برای تحلیل داده‌های متنی ساختارنیافته، تولید بینش‌ها و ایجاد گزارش‌های تحلیلی خودکار طراحی و پیاده‌سازی کنید.

ابزارهای مورد استفاده

در این دوره، تمام ابزارها به‌صورت هماهنگ عمل می‌کنند تا یک گردش کاری جامع Generative AI ایجاد کنند برای:

شما از Python و کتابخانه قدرتمند Pandas به‌عنوان محیط بنیادی خود برای مدیریت داده‌ها بهره خواهید برد؛ از بارگذاری اولیه و اکتشاف داده‌های نقد و بررسی گرفته تا ایجاد داده‌های مصنوعی جدولی ساده و تشریحی که زمینه تحلیلی شما را غنی می‌کند. Hugging Face Transformers و Datasets به‌عنوان دروازه مستقیم شما به هوش مصنوعی پیشرفته عمل خواهند کرد و دسترسی یکپارچه به مدل‌های پیش‌آموزش‌دیده برای تحلیل احساسات خودکار، خلاصه‌سازی متن و استخراج بینش‌های کلیدی را فراهم می‌کنند، در حالی که مجموعه داده بزرگ Rotten Tomatoes را نیز به‌صورت کارآمد بارگذاری می‌نمایند. همه این اجزا در Jupyter Notebooks گرد هم می‌آیند و محیطی تعاملی و انعطاف‌پذیر فراهم می‌کنند که در آن پایپ‌لاین تحلیلی Generative AI پایان‌به‌پایان خود را گام‌به‌گام می‌سازید، مصورسازی می‌کنید و بهبود می‌بخشید.

• Python + Pandas – ابزارهای اصلی برای بارگذاری، اکتشاف، دستکاری داده‌ها و تولید داده‌های مصنوعی جدولی ساده (مانند ویژگی‌های شبیه‌سازی‌شده فیلم یا سطوح)
• Hugging Face Transformers + Datasets – دسترسی به مدل‌های پیش‌آموزش‌دیده برای تحلیل احساسات، خلاصه‌سازی و استخراج کلیدواژه، و همچنین بارگذاری کارآمد مجموعه داده Rotten Tomatoes

Jupyter Notebooks – محیط کدنویسی تعاملی که برای ادغام تمام ابزارها، مصورسازی نتایج میانی و ساخت پایپ‌لاین کامل تحلیل GenAI استفاده می‌شود.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان Python و دانشمندان داده که قصد دارند Generative AI را در گردش های کاری تحلیلی دنیای واقعی ادغام کنند.
• تحلیلگران داده که می‌خواهند استخراج بینش را خودکار کنند و خلاصه‌های مبتنی بر هوش مصنوعی از متون ساختارنیافته تولید نمایند.
• مهندسان ML و علاقه‌مندان به هوش مصنوعی که در حال کاوش کاربردهای عملی LLMها و Hugging Face Transformers هستند.
• دانشجویان، پژوهشگران و متخصصان محصول که به دنبال مهارت‌های عملی در گزارش‌دهی و پشتیبانی تصمیم‌گیری مجهز به GenAI هستند.