علم داده: پردازش زبان طبیعی (NLP) در پایتون

آنچه یاد خواهید گرفت:

• نوشتن الگوریتم رمزگشایی اختصاصی خودتان با استفاده از الگوریتم‌های ژنتیک و مدل‌سازی زبانی با مدل‌های مارکوف
• نوشتن کد تشخیص اسپم اختصاصی خودتان در Python
• نوشتن کد تحلیل احساسات اختصاصی خودتان در Python
• انجام تحلیل معنایی نهفته یا نمایه‌سازی معنایی نهفته در Python
• آشنایی با ایده‌ چگونگی نوشتن ابزار article spinner اختصاصی خودتان در Python
• درک اصول مهم برای OpenAI ChatGPT ،GPT-4، DALL-E ،Midjourney و Stable Diffusion

پیش‌نیازهای دوره

• Python را نصب کنید؛ رایگان است!
• باید تا حدی با نوشتن کد Python راحت باشید.
• بدانید چگونه کتابخانه‌های عددی Python مانند Numpy ،Scipy ،Scikit-learn ،Matplotlib و BeautifulSoup را نصب کنید.
• دوره‌ رایگان پیش‌نیاز Numpy من را بگذرانید (کاملاً رایگان است، هیچ بهانه‌ای پذیرفته نیست!) تا درباره‌ی Numpy ،Matplotlib ،Pandas و Scikit-Learn و همچنین مبانی یادگیری ماشین یاد بگیرید.
• اختیاری: اگر می‌خواهید بخش‌های ریاضی را بهتر درک کنید، جبر خطی و احتمال مفید هستند.

توضیحات دوره

تا به حال فکر کرده‌اید فناوری‌های هوش مصنوعی مانند OpenAI، ChatGPT ،GPT-4 ،DALL-E ،Midjourney و Stable Diffusion واقعاً چگونه کار می‌کنند؟ در این دوره، مبانی این کاربردهای تحول‌آفرین را یاد می‌گیرید.

در این دوره، چندین سیستم کاربردی را با استفاده از پردازش زبان طبیعی یا NLP می‌سازید؛ شاخه‌ای از یادگیری ماشین و علم داده که با متن و گفتار سروکار دارد. این دوره بخشی از مجموعه‌ی یادگیری عمیق مدرس نیست، بنابراین هیچ ریاضیات سنگینی ندارد؛ فقط کدنویسی مستقیم در Python است. تمام منابع این دوره رایگان هستند.

بعد از یک بحث کوتاه درباره‌ی اینکه NLP چیست و چه کارهایی می‌تواند انجام دهد، ساخت چیزهای بسیار مفید را شروع می‌کنیم. اولین چیزی که می‌سازیم یک الگوریتم رمزگشایی است. این الگوریتم‌ها در جنگ و جاسوسی کاربرد دارند. در این بخش یاد می‌گیریم چگونه چند ابزار مفید NLP را بسازیم و به کار بگیریم؛ یعنی مدل‌های زبانی در سطح کاراکتر (با استفاده از اصل مارکوف) و الگوریتم‌های ژنتیک

پروژه‌ی دوم، که در آن استفاده از «یادگیری ماشین» سنتی‌تر را شروع می‌کنیم، ساخت یک تشخیص‌دهنده‌ی اسپم است. احتمالاً این روزها در مقایسه با مثلاً اوایل دهه‌ی 2000، اسپم بسیار کمتری دریافت می‌کنید، و این به خاطر سیستم‌هایی از همین نوع است.

بعد از آن، یک مدل برای تحلیل احساسات در Python می‌سازیم. این کار به ما اجازه می‌دهد به یک بخش متن امتیازی بدهیم که نشان می‌دهد متن چقدر مثبت یا منفی است. از تحلیل احساسات در Twitter برای پیش‌بینی بازار سهام استفاده شده است.

همچنین برخی ابزارها و تکنیک‌های کاربردی مانند کتابخانه‌ی NLTK (natural language toolkit) و تحلیل معنایی نهفته یا LSA را بررسی می‌کنیم.

در نهایت، دوره را با ساخت یک article spinner به پایان می‌بریم. این مسئله بسیار دشوار است و حتی محبوب‌ترین محصولات موجود هم امروز آن را به‌درستی انجام نمی‌دهند. این درس‌ها طوری طراحی شده‌اند که فقط شما را وارد مسیر کنند و ایده‌هایی بدهند تا خودتان بتوانید آن‌ها را بهتر کنید. وقتی به آن مسلط شوید، می‌توانید از آن به‌عنوان یک ابزار SEO یا بهینه‌سازی موتور جستجو استفاده کنید. اگر بتوانید این کار را برای بازاریاب‌های اینترنتی انجام دهید، همه‌ی آن‌ها شما را دوست خواهند داشت!

این دوره بر «چگونه ساختن و چگونه درک کردن» تمرکز دارد، نه فقط «چگونه استفاده کردن». هر کسی می‌تواند بعد از خواندن چند صفحه مستندات، در 15 دقیقه استفاده از یک API را یاد بگیرد. موضوع «به خاطر سپردن حقایق» نیست؛ موضوع «دیدن با چشم خودتان» از طریق آزمایش است. این دوره به شما یاد می‌دهد چگونه آنچه را درون مدل رخ می‌دهد، مصورسازی و درک کنید. اگر چیزی بیشتر از یک نگاه سطحی به مدل‌های یادگیری ماشین می‌خواهید، این دوره برای شماست.

«اگر نتوانید آن را پیاده‌سازی کنید، آن را درک نمی کنید»

• یا همان‌طور که فیزیک‌دان بزرگ، ریچارد فاینمن، گفت: «آنچه را نتوانم بسازم، درک نمی کنم».
• دوره‌های مدرس تنها دوره‌هایی هستند که در آن‌ها یاد می‌گیرید الگوریتم‌های یادگیری ماشین را از ابتدا پیاده‌سازی کنید.
• دوره‌های دیگر به شما یاد می‌دهند داده‌ خود را در یک کتابخانه قرار دهید، اما آیا واقعاً برای 3 خط کد به کمک نیاز دارید؟
• بعد از انجام دادن یک کار مشابه با 10 مجموعه‌داده، متوجه می‌شوید که 10 چیز یاد نگرفته‌اید. شما 1 چیز یاد گرفته‌اید و فقط همان 3 خط کد را 10 بار تکرار کرده‌اید.

این دوره برای چه کسانی مناسب است؟

• دانشجویانی که در نوشتن کد Python، استفاده از حلقه‌ها، لیست‌ها، دیکشنری‌ها و موارد مشابه راحت هستند.
• دانشجویانی که می‌خواهند درباره‌ی یادگیری ماشین بیشتر یاد بگیرند اما نمی‌خواهند ریاضیات زیادی درگیرشان باشد.
• متخصصانی که به اعمال یادگیری ماشین و NLP برای مسائل عملی مانند تشخیص اسپم، بازاریابی اینترنتی و تحلیل احساسات علاقه‌مند هستند.
• این دوره برای کسانی نیست که تسک ها و متدهای فهرست‌شده در سرفصل را بیش از حد ابتدایی می‌دانند.
• این دوره برای کسانی نیست که از قبل درک اولیه از یادگیری ماشین و کدنویسی Python ندارند (اما می‌توانید این‌ها را از دوره‌ی رایگان Numpy مدرس یاد بگیرید).
• این دوره برای کسانی نیست که با دیدن عنوان بخش‌ها، هدف هر تسک را نمی‌دانند. برای مثال، اگر نمی‌دانید «تشخیص اسپم» چه کاربردی می‌تواند داشته باشد، برای گذراندن این دوره هنوز خیلی عقب هستید.