پروژه یادگیری ماشین: بازاریابی در شبکه‌های اجتماعی با پایتون

آنچه یاد خواهید گرفت:

• انجام یک پروژه کامل یادگیری ماشین از ابتدا تا انتها  با استفاده از ابزارهای پیشرفته هوش  مصنوعی
• فاین تیونینگ یک مدل زبانی ترنسفورمر را برای پیش‌بینی امتیازهای کامنت‌های Reddit 
• انجام پیش‌بینی بدون نمونه با استفاده از یک هوش مصنوعی / مدل زبانی بزرگ پیشرفته از طریق OpenAI API
• درک رویکرد درست اجرای یک پروژه یادگیری ماشین، از جمله تعیین یک خط مبنا

پیش‌نیازهای دوره

• تجربه در طبقه‌بندی و رگرسیون با استفاده از شبکه‌های عصبی
• دانش توابع هزینه برای طبقه‌بندی و رگرسیون
• تجربه برنامه‌نویسی پایتون
• دانش معیارهایی مانند دقت، میانگین مربعات خطا، نمره F1
• درک تقسیم داده به مجموعه آموزش و تست، بیش‌برازش و تعمیم‌پذیری
• دانش پیش‌پردازش متن: توکن‌سازی، کوتاه‌سازی
• درک اهمیت طول پنجره زمینه/ حداکثر طول دنباله برای مدل‌های دنباله‌ای
• درک مفهوم فاین تیونینگ (کد و سینتکس آن به شما نشان داده خواهد شد)

توضیحات دوره

چه می‌شد اگر می‌توانستید پیش از انتشار یک کامنت در Reddit، پیش‌بینی کنید که چقدر موفق خواهد بود؟

در این دوره کوتاه و مبتنی بر پروژه‌، شما مدل‌های واقعی یادگیری ماشین و هوش مصنوعی می‌سازید که امتیاز یک کامنت در Reddit را پیش‌بینی می‌کنند؛ تعامل در شبکه‌های اجتماعی را به یک مسئله ملموس و داده‌محور تبدیل می‌کنید که می‌توانید با پایتون حل کنید.

این یک دوره سنگین از نظر نظریه نیست. شما به‌صورت عملی با ابزارهای مدرن پردازش زبان طبیعی، مدل‌های ترنسفورمر و مدل‌های زبانی بزرگ کار می‌کنید و چندین رویکرد را با هم مقایسه می‌کنید تا ببینید در عمل کدام یک بهترین نتیجه را می‌دهد.

آنچه خواهید ساخت

تا پایان دوره، یک پایپ لاین کامل یادگیری ماشین خواهید داشت که می‌تواند:

• پیش‌بینی کند آیا یک کامنت در Reddit امتیاز مثبت می‌گیرد یا منفی
• مقدار واقعی امتیاز یک کامنت را پیش‌بینی کند.
• یادگیری ماشین سنتی، ترنسفورمرهای فاین تیونینگ و مدل‌های زبانی بزرگ پیشرفته را با هم مقایسه کند.

آنچه خواهید آموخت

• فاین تیونینگ ترنسفورمر (Hugging Face) - فاین تیونینگ یک مدل ترنسفورمر برای طبقه‌بندی (آیا این کامنت رای مثبت می‌گیرد یا رای منفی؟) و رگرسیون (این کامنت احتمالاً چه امتیازی دریافت می‌کند؟)
• Generative AI و ارزیابی مدل زبانی بزرگ - استفاده از یک مدل زبانی بزرگ پیشرفته برای طبقه‌بندی بدون نمونه. پیش‌بینی عملکرد کامنت‌های Reddit بدون جمع‌آوری یا آموزش روی مجموعه داده. مقایسه عملکرد یک مدل زبانی بزرگ در برابر مدل‌هایی که خودتان آموزش می‌دهید.
• خطوط مبنا یادگیری ماشین کلاسیک - ساخت خطوط مبنا قدرتمند با استفاده از تکنیک‌های سنتی پردازش زبان طبیعی و یادگیری ماشین. ببینید ترنسفورمرهای مدرن در عمل چگونه با رویکردهای قدیمی‌تر و ساده‌تر مقایسه می‌شوند.

چرا این دوره متفاوت است؟

• کوتاه و متمرکز – بدون حاشیه، بدون نظریه غیرضروری
• پروژه سرتاسری – از داده تا پیش‌بینی
• ابزارهای مدرن – Hugging Face، ترنسفورمرها و مدل‌های زبانی بزرگ
• ارتباط با دنیای واقعی – بازاریابی شبکه‌های اجتماعی در کنار یادگیری ماشین کاربردی

در پایان، تجربه عملی به دست می‌آورید که نه فقط در Reddit، بلکه برای هر مسئله پیش‌بینی تعامل، امتیازدهی متن یا تحلیل پردازش زبان طبیعی در بازاریابی، تولید محتوا یا پلتفرم‌های اجتماعی کاربرد دارد.

اگر همیشه برایتان سؤال بوده که آیا هوش مصنوعی مدرن واقعاً می‌تواند به شما کمک کند محتوایی بنویسید که عملکرد بهتری داشته باشد – و این که در مقایسه با مدل‌هایی که خودتان آموزش می‌دهید چگونه عمل می‌کند – این دوره برای شماست.

این دوره برای چه کسانی نیست؟

این دوره برای همه مناسب نیست! چون این یک دوره مبتنی بر نظریه نیست، اگر از قبل در برخی مباحث تجربه ندارید، باید آماده باشید که خودتان آن‌ها را یاد بگیرید (به عنوان مثال فاین تیونینگ، توابع هزینه، پیش‌پردازش متن و غیره).

این دوره برای چه کسانی مناسب است؟

• کاربران پایتون در سطح مبتدی تا متوسط که به یادگیری ماشین و هوش مصنوعی علاقه‌مندند.
• بازاریاب‌ها و تولیدکنندگانی که به بهینه‌سازی داده‌محور شبکه‌های اجتماعی کنجکاو هستند.
• توسعه‌دهندگان و دانشمندان داده که یک پروژه عملی پردازش زبان طبیعی می‌خواهند.
• هر کسی که می‌خواهد یاد بگیرد ترنسفورمرها و مدل‌های زبانی بزرگ در دنیای واقعی چگونه عمل می‌کنند.