آشنایی با پردازش زبان طبیعی در پایتون برای هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پردازش زبان طبیعی برای هوش مصنوعی
- تکنیکهای پیشپردازش متن
- برچسبگذاری متن و استخراج انتیتی
- تحلیل احساسات
- کشف موضوعات در متن
- طبقهبندی متن
- بردارسازی متن برای یادگیری ماشین
پیش نیازهای دوره
- مهارتهای اولیه برنامهنویسی پایتون
توضیحات دوره
آیا به هوش مصنوعی و پردازش زبان طبیعی علاقه دارید؟
آیا میخواهید در زمینه دادهکاوی یا مهندسی هوش مصنوعی حرفهای شوید؟
اگر اینطور است، این دوره برای شما مناسب است!
در این دوره مقدمهای بر پردازش زبان طبیعی در پایتون موارد ضروری برای کار با دادههای متنی را بررسی خواهید کرد. چه بخواهید طبقهبندهای متنی سفارشی بسازید، احساسات را تحلیل کنید یا موضوعات پنهان را کاوش کنید، نحوه کار پردازش زبان طبیعی را خواهید آموخت و ابزارها و مفاهیم لازم برای حل این چالشها را به دست میآورید.
پردازش زبان طبیعی یک زمینه هیجانانگیز و به سرعت در حال تکامل است که تأثیر بنیادی بر نوع تعامل ما با فناوری دارد. در این دوره، شما قدرت پردازش زبان طبیعی را کشف خواهید کرد و با دانش و مهارتهایی برای شروع پروژههای پردازش زبان طبیعی خود تجهیز میشوید.
این دوره به شما دسترسی به ویدیوهای با کیفیت Full HD و تمرینات کدنویسی عملی را میدهد. این یک فرمت مناسب برای درک آسان و یادگیری تعاملی است. یکی از بزرگترین مزایای تمامی آموزشهای تولید شده توسط 365 Data Science، ساختار منظم آنهاست. این دوره نیز از این قاعده مستثنی نیست. برنامه درسی منظم تضمین میکند که شما تجربهای شگفتانگیز خواهید داشت.
برای شروع این دوره، نیازی به آموزش قبلی در زمینه پردازش زبان طبیعی نیست. فقط به مهارتهای پایهای در پایتون و آشنایی با یادگیری ماشین نیاز دارید.
این مقدمه به شما مرحلهبهمرحله فرایند کامل کردن یک پروژه را راهنمایی میکند. ما مدلها و تحلیلها و اصول اساسی، مانند پردازش و تمیز کردن دادههای متنی و نحوه دریافت دادهها در فرمت صحیح برای پردازش زبان طبیعی با یادگیری ماشین را بررسی خواهیم کرد.
ما از الگوریتمهایی مانند Latent Dirichlet Allocation، مدلهای Transformer، رگرسیون لجستیک، Naive Bayes و Linear SVM استفاده خواهیم کرد. همچنین تکنیکهایی مانند برچسبگذاری اجزای کلام (POS) و شناسایی انتیتی های نامدار (NER) را به کار خواهیم برد.
شما این فرصت را خواهید داشت که مهارتهای تازه کسب کرده خود را از طریق یک مطالعه موردی جامع به کار بگیرید. ما شما را در کل پروژه راهنمایی خواهیم کرد و مراحل زیر را پوشش میدهیم:
- پاکسازی متن
- تحلیل محتوای عمیق
- تحلیل احساسات
- کشف تمهای پنهان
- در نهایت ایجاد یک مدل طبقهبندی متن سفارشی
با اتمام دوره، شما یک گواهی معتبر در زمینه پردازش زبان طبیعی دریافت خواهید کرد و یک پروژه عالی به پرتفوی خود اضافه خواهید کرد تا توانایی خود را در تحلیل متن مانند یک حرفهای نشان دهید.
این دوره برای چه کسانی مناسب است؟
- دادهکاوان و مهندسان هوش مصنوعی مبتدی
- دانشجویان هوش مصنوعی و LLM
- دانشجویان دادهکاوی
- دادهکاوان
- هرکسی که علاقمند به یادگیری نحوه کار با پردازش زبان طبیعی است.
آشنایی با پردازش زبان طبیعی در پایتون برای هوش مصنوعی
-
معرفی دوره 02:39
-
مقدمهای بر NLP 01:36
-
مقدمهای بر NLP None
-
NLP در زندگی روزمره 01:14
-
پردازش زبان طبیعی تحت نظارت و بدون نظارت 01:46
-
پردازش زبان طبیعی تحت نظارت و بدون نظارت None
-
اهمیت آمادهسازی دادهها 01:45
-
راهاندازی محیط 06:08
-
محیط پایتون برای پردازش زبان طبیعی (NLP) None
-
حروف کوچک 03:18
-
متن با حروف کوچک None
-
حذف کلمات توقف 04:31
-
عناصر منظم 10:17
-
عبارت منظم None
-
توکنسازی 03:13
-
Stemming 03:48
-
Stemming و lemmatization None
-
Lemmatization 02:46
-
N-grams 06:26
-
تسک عملی 14:16
-
برچسبگذاری متن 01:24
-
برچسبگذاری اجزای گفتار (POS) 06:39
-
شناسایی موجودیت نامدار (NER) 08:00
-
تسک عملی 16:13
-
تحلیل احساسات چیست؟ 01:59
-
تحلیل احساسات مبتنی بر قانون 05:23
-
مدلهای ترنسفورمر پیشآموزشدیده 05:39
-
تسک عملی 11:34
-
نمایش عددی متن 01:39
-
مدل Bag of Words 04:44
-
TF-IDF 03:08
-
مدل سازی تاپیک چیست؟ 02:56
-
چه زمانی از مدل سازی تاپیک استفاده کنیم؟ 01:33
-
تخصیص دیریکله نهان 02:19
-
LDA در پایتون 08:09
-
تحلیل معنایی نهفته 01:39
-
LSA در پایتون 01:21
-
تعیین تعداد موضوعات 06:07
-
ساخت classifier متن سفارشی 00:56
-
رگرسیون لجستیک 09:47
-
Naive Bayes 02:30
-
ماشین بردار پشتیبان خطی 03:26
-
معرفی پروژه 03:32
-
بررسی داده از طریق تگ های POS 09:24
-
استخراج انتیتی های نامگذاری شده 04:51
-
پردازش متن 08:14
-
آیا احساسات بین انواع اخبار متفاوت است؟ 05:11
-
چه موضوعاتی در اخبار جعلی ظاهر میشوند؟ (بخش 1) 06:11
-
چه موضوعاتی در اخبار جعلی ظاهر میشوند؟ (بخش 2) 05:56
-
دستهبندی اخبار جعلی با یک classifier سفارشی 05:48
-
یادگیری عمیق چیست؟ 03:04
-
یادگیری عمیق برای NLP 01:51
-
NLP غیر انگلیسی 01:48
-
آینده NLP چیست؟ 01:38
مشخصات آموزش
آشنایی با پردازش زبان طبیعی در پایتون برای هوش مصنوعی
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:مقدماتی
- تعداد درس:54
- مدت زمان :03:41:23
- حجم :1.51GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy