آموزش پردازش زبان طبیعی (NLP) با استفاده از پایتون

Hands On Natural Language Processing (NLP) using Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با ایجاد طبقه‌بندی‌کننده متن، خلاصه‌کننده مقاله و بسیاری موارد دیگر، پردازش زبان طبیعی (NLP) و متن کاوی را بیاموزید. درک مفاهیم مختلف پردازش زبان طبیعی به همراه اجرای آنها ساخت برنامه های کاربردی مبتنی بر پردازش زبان طبیعی با ماژول های مختلف موجود در پایتون برای NLP آشنا شوید ایجاد فیلتر هرزنامه شخصی یا پیش بینی کننده احساسات ایجاد خلاصه کننده متن شخصی پیش نیازها:تجربه برنامه نویسی پایه در هر زبان مفهوم دانش برنامه نویسی شی گرا از پایه تا متوسط ​​ریاضیات دانش عملیات ماتریس

در این دوره شما مفاهیم مختلف پردازش زبان طبیعی را با پیاده‌سازی آن‌ها در زبان برنامه‌نویسی پایتون یاد خواهید گرفت. این دوره کاملاً مبتنی بر پروژه است و از ابتدای دوره هدف اصلی یادگیری تمام مفاهیم مورد نیاز برای اتمام پروژه های مختلف خواهد بود. شما یک طبقه‌بندی متن می‌سازید که از آن برای پیش‌بینی احساسات توییت‌ها در زمان واقعی استفاده می‌کنید و همچنین یک خلاصه‌کننده مقاله می‌سازید که مقالات را از وب‌سایت‌ها واکشی می‌کند و خلاصه را پیدا می‌کند. جدا از اینها، پروژه های کوچک زیادی را نیز در طول دوره انجام خواهید داد. بنابراین، در پایان دوره، درک عمیقی از NLP و نحوه کاربرد آن در دنیای واقعی خواهید داشت.


سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

مقدمه دوره Introduction to the Course

  • NLP چیست؟ What is NLP?

  • NLP چیست؟ What is NLP?

  • دریافت منابع دوره Getting the Course Resources

  • دریافت منابع دوره Getting the Course Resources

  • دریافت منابع دوره - متن Getting the Course Resources - Text

  • دریافت منابع دوره - متن Getting the Course Resources - Text

دریافت نرم افزارهای مورد نیاز Getting the required softwares

  • نصب آناکوندا پایتون Installing Anaconda Python

  • چگونه این دوره را بگذرانیم؟ How to take this course?

دریافت نرم افزارهای مورد نیاز Getting the required softwares

  • نصب آناکوندا پایتون Installing Anaconda Python

  • نصب آناکوندا پایتون - متن Installing Anaconda Python - Text

  • نصب آناکوندا پایتون - متن Installing Anaconda Python - Text

  • تور Spyder IDE A tour of Spyder IDE

  • تور Spyder IDE A tour of Spyder IDE

  • چگونه این دوره را بگذرانیم؟ How to take this course?

دوره سقوط پایتون Python Crash Course

  • اظهارات مشروط Conditional Statements

  • مقدمه ای بر حلقه ها Introduction to Loops

  • ساختارهای داده پایتون - لیست ها Python Data Structures - Lists

  • ساختارهای داده پایتون - Tuples Python Data Structures - Tuples

  • ساختارهای داده پایتون - دیکشنری ها Python Data Structures - Dictionaries

  • مهارت های خود را بیازمایید Test Your Skills

دوره سقوط پایتون Python Crash Course

  • متغیرها و عملیات در پایتون Variables and Operations in Python

  • متغیرها و عملیات در پایتون Variables and Operations in Python

  • اظهارات مشروط Conditional Statements

  • مقدمه ای بر حلقه ها Introduction to Loops

  • بیانیه های کنترل حلقه Loop Control Statements

  • بیانیه های کنترل حلقه Loop Control Statements

  • ساختارهای داده پایتون - لیست ها Python Data Structures - Lists

  • ساختارهای داده پایتون - Tuples Python Data Structures - Tuples

  • ساختارهای داده پایتون - دیکشنری ها Python Data Structures - Dictionaries

  • کنسول و فایل ورودی/خروجی در پایتون Console and File I/O in Python

  • کنسول و فایل ورودی/خروجی در پایتون Console and File I/O in Python

  • مقدمه ای بر توابع Introduction to Functions

  • مقدمه ای بر توابع Introduction to Functions

  • مقدمه ای بر کلاس ها و اشیاء Introduction to Classes and Objects

  • مقدمه ای بر کلاس ها و اشیاء Introduction to Classes and Objects

  • درک لیست List Comprehension

  • درک لیست List Comprehension

  • مهارت های خود را بیازمایید Test Your Skills

  • مهارت های خود را بیازمایید Test Your Skills

عبارات با قاعده Regular Expressions

  • مقدمه ای بر عبارات با قاعده Introduction to Regular Expressions

  • جایگزینی الگوها در متن Substituting Patterns in Text

  • محدوده شخصیت - متن Character Ranges - Text

  • مهارت های خود را بیازمایید Test Your Skills

عبارات با قاعده Regular Expressions

  • مقدمه ای بر عبارات با قاعده Introduction to Regular Expressions

  • یافتن الگوها در متن قسمت 1 Finding Patterns in Text Part 1

  • یافتن الگوها در متن قسمت 1 Finding Patterns in Text Part 1

  • یافتن الگوها در متن قسمت 2 Finding Patterns in Text Part 2

  • یافتن الگوها در متن قسمت 2 Finding Patterns in Text Part 2

  • جایگزینی الگوها در متن Substituting Patterns in Text

  • کلاس های کاراکتر کوتاه نویسی Shorthand Character Classes

  • کلاس های کاراکتر کوتاه نویسی Shorthand Character Classes

  • محدوده شخصیت - متن Character Ranges - Text

  • پیش پردازش با استفاده از Regex Preprocessing using Regex

  • پیش پردازش با استفاده از Regex Preprocessing using Regex

  • مهارت های خود را بیازمایید Test Your Skills

  • مهارت های خود را بیازمایید Test Your Skills

نامپی و پانداها Numpy and Pandas

  • آشنایی با پانداها Introduction to Pandas

نامپی و پانداها Numpy and Pandas

  • معرفی Numpy Introduction to Numpy

  • معرفی Numpy Introduction to Numpy

  • آشنایی با پانداها Introduction to Pandas

هسته NLP NLP Core

  • نصب NLTK در پایتون Installing NLTK in Python

  • توکن سازی چگونه کار می کند؟ - متن How tokenization works? - Text

  • ریشه یابی با استفاده از NLTK Stemming using NLTK

  • به نام Entity Recognition Named Entity Recognition

  • مدلسازی متن با استفاده از مدل کیسه کلمات Text Modelling using Bag of Words Model

  • ساخت مدل BOW قسمت 1 Building the BOW Model Part 1

  • ساخت مدل BOW قسمت 3 Building the BOW Model Part 3

  • ساخت مدل BOW قسمت 4 Building the BOW Model Part 4

  • ساخت مدل TF-IDF قسمت 1 Building the TF-IDF Model Part 1

  • ساخت مدل TF-IDF قسمت 2 Building the TF-IDF Model Part 2

  • ساخت مدل TF-IDF قسمت 3 Building the TF-IDF Model Part 3

  • ساخت مدل TF-IDF قسمت 4 Building the TF-IDF Model Part 4

  • LSA در پایتون قسمت 1 LSA in Python Part 1

  • کلمات مترادف و متضاد با استفاده از NLTK Word Synonyms and Antonyms using NLTK

هسته NLP NLP Core

  • نصب NLTK در پایتون Installing NLTK in Python

  • توکن کردن کلمات و جملات Tokenizing Words and Sentences

  • توکن کردن کلمات و جملات Tokenizing Words and Sentences

  • توکن سازی چگونه کار می کند؟ - متن How tokenization works? - Text

  • مقدمه‌ای بر ریشه‌سازی و لمت‌سازی Introduction to Stemming and Lemmatization

  • مقدمه‌ای بر ریشه‌سازی و لمت‌سازی Introduction to Stemming and Lemmatization

  • ریشه یابی با استفاده از NLTK Stemming using NLTK

  • Lemmatization با استفاده از NLTK Lemmatization using NLTK

  • Lemmatization با استفاده از NLTK Lemmatization using NLTK

  • حذف کلمه را با استفاده از NLTK متوقف کنید Stop word removal using NLTK

  • حذف کلمه را با استفاده از NLTK متوقف کنید Stop word removal using NLTK

  • بخش هایی از برچسب زدن گفتار Parts Of Speech Tagging

  • بخش هایی از برچسب زدن گفتار Parts Of Speech Tagging

  • معانی تگ POS POS Tag Meanings

  • معانی تگ POS POS Tag Meanings

  • به نام Entity Recognition Named Entity Recognition

  • مدلسازی متن با استفاده از مدل کیسه کلمات Text Modelling using Bag of Words Model

  • ساخت مدل BOW قسمت 1 Building the BOW Model Part 1

  • ساخت مدل BOW قسمت 2 Building the BOW Model Part 2

  • ساخت مدل BOW قسمت 2 Building the BOW Model Part 2

  • ساخت مدل BOW قسمت 3 Building the BOW Model Part 3

  • ساخت مدل BOW قسمت 4 Building the BOW Model Part 4

  • مدلسازی متن با استفاده از مدل TF-IDF Text Modelling using TF-IDF Model

  • مدلسازی متن با استفاده از مدل TF-IDF Text Modelling using TF-IDF Model

  • ساخت مدل TF-IDF قسمت 1 Building the TF-IDF Model Part 1

  • ساخت مدل TF-IDF قسمت 2 Building the TF-IDF Model Part 2

  • ساخت مدل TF-IDF قسمت 3 Building the TF-IDF Model Part 3

  • ساخت مدل TF-IDF قسمت 4 Building the TF-IDF Model Part 4

  • آشنایی با مدل N-Gram Understanding the N-Gram Model

  • آشنایی با مدل N-Gram Understanding the N-Gram Model

  • Building Character Model N-Gram Building Character N-Gram Model

  • Building Character Model N-Gram Building Character N-Gram Model

  • ساختن مدل ورد N-Gram Building Word N-Gram Model

  • ساختن مدل ورد N-Gram Building Word N-Gram Model

  • درک تحلیل معنایی پنهان Understanding Latent Semantic Analysis

  • درک تحلیل معنایی پنهان Understanding Latent Semantic Analysis

  • LSA در پایتون قسمت 1 LSA in Python Part 1

  • LSA در پایتون قسمت 2 LSA in Python Part 2

  • LSA در پایتون قسمت 2 LSA in Python Part 2

  • کلمات مترادف و متضاد با استفاده از NLTK Word Synonyms and Antonyms using NLTK

  • ردیابی نفی کلمه در پایتون قسمت 1 Word Negation Tracking in Python Part 1

  • ردیابی نفی کلمه در پایتون قسمت 1 Word Negation Tracking in Python Part 1

  • ردیابی کلمه نفی در پایتون قسمت 2 Word Negation Tracking in Python Part 2

  • ردیابی کلمه نفی در پایتون قسمت 2 Word Negation Tracking in Python Part 2

پروژه 1 - طبقه بندی متون Project 1 - Text Classification

  • دریافت داده ها برای طبقه بندی متن Getting the data for Text Classification

  • وارد کردن مجموعه داده Importing the dataset

  • تداوم مجموعه داده Persisting the dataset

  • پیش پردازش داده ها Preprocessing the data

  • تبدیل داده ها به مدل BOW Transforming data into BOW Model

  • تبدیل مدل BOW به مدل TF-IDF Transform BOW model into TF-IDF Model

  • ایجاد مجموعه آموزشی و تستی Creating training and test set

  • درک رگرسیون لجستیک Understanding Logistic Regression

  • آموزش طبقه بندی کننده ما Training our classifier

  • وارد کردن و استفاده از مدل ما Importing and using our Model

پروژه 1 - طبقه بندی متون Project 1 - Text Classification

  • دریافت داده ها برای طبقه بندی متن Getting the data for Text Classification

  • دریافت داده ها برای طبقه بندی متن - متن Getting the data for Text Classification - Text

  • دریافت داده ها برای طبقه بندی متن - متن Getting the data for Text Classification - Text

  • وارد کردن مجموعه داده Importing the dataset

  • تداوم مجموعه داده Persisting the dataset

  • پیش پردازش داده ها Preprocessing the data

  • تبدیل داده ها به مدل BOW Transforming data into BOW Model

  • تبدیل مدل BOW به مدل TF-IDF Transform BOW model into TF-IDF Model

  • ایجاد مجموعه آموزشی و تستی Creating training and test set

  • درک رگرسیون لجستیک Understanding Logistic Regression

  • آموزش طبقه بندی کننده ما Training our classifier

  • تست عملکرد مدل Testing Model performance

  • تست عملکرد مدل Testing Model performance

  • ذخیره مدل ما Saving our Model

  • ذخیره مدل ما Saving our Model

  • وارد کردن و استفاده از مدل ما Importing and using our Model

پروژه 2 - تحلیل احساسات توییتر Project 2 - Twitter Sentiment Analysis

  • راه اندازی اپلیکیشن توییتر Setting up Twitter Application

  • واکشی توییت‌های زمان واقعی Fetching real time tweets

  • در حال بارگذاری مدل TF-IDF و طبقه بندی کننده Loading TF-IDF Model and Classifier

پروژه 2 - تحلیل احساسات توییتر Project 2 - Twitter Sentiment Analysis

  • راه اندازی اپلیکیشن توییتر Setting up Twitter Application

  • راه اندازی توکن ها Initializing Tokens

  • راه اندازی توکن ها Initializing Tokens

  • احراز هویت مشتری Client Authentication

  • احراز هویت مشتری Client Authentication

  • واکشی توییت‌های زمان واقعی Fetching real time tweets

  • در حال بارگذاری مدل TF-IDF و طبقه بندی کننده Loading TF-IDF Model and Classifier

  • پیش پردازش توییت ها Preprocessing the tweets

  • پیش پردازش توییت ها Preprocessing the tweets

  • پیش بینی احساسات توییت ها Predicting sentiments of tweets

  • پیش بینی احساسات توییت ها Predicting sentiments of tweets

  • ترسیم نتایج Plotting the results

  • ترسیم نتایج Plotting the results

پروژه 3 - خلاصه سازی متن Project 3 - Text Summarization

  • درک خلاصه سازی متن Understanding Text Summarization

  • واکشی داده های مقاله از وب Fetching article data from the web

  • تجزیه داده ها با استفاده از سوپ زیبا Parsing the data using Beautiful Soup

  • توکن کردن مقاله به جملات Tokenizing Article into sentences

  • گرفتن خلاصه Getting the summary

پروژه 3 - خلاصه سازی متن Project 3 - Text Summarization

  • درک خلاصه سازی متن Understanding Text Summarization

  • واکشی داده های مقاله از وب Fetching article data from the web

  • تجزیه داده ها با استفاده از سوپ زیبا Parsing the data using Beautiful Soup

  • پیش پردازش داده ها Preprocessing the data

  • پیش پردازش داده ها Preprocessing the data

  • توکن کردن مقاله به جملات Tokenizing Article into sentences

  • ساخت هیستوگرام Building the histogram

  • ساخت هیستوگرام Building the histogram

  • محاسبه نمرات جمله Calculating the sentence scores

  • محاسبه نمرات جمله Calculating the sentence scores

  • گرفتن خلاصه Getting the summary

تجزیه و تحلیل Word2Vec Word2Vec Analysis

  • درک وکتورهای کلمه Understanding Word Vectors

  • آماده سازی داده ها Preparing the data

  • بهبود مدل Improving the Model

  • بررسی مدل های از پیش آموزش دیده Exploring Pre-trained Models

تجزیه و تحلیل Word2Vec Word2Vec Analysis

  • درک وکتورهای کلمه Understanding Word Vectors

  • وارد کردن داده ها Importing the data

  • وارد کردن داده ها Importing the data

  • آماده سازی داده ها Preparing the data

  • آموزش مدل Word2Vec Training the Word2Vec Model

  • آموزش مدل Word2Vec Training the Word2Vec Model

  • تست عملکرد مدل Testing Model Performance

  • تست عملکرد مدل Testing Model Performance

  • بهبود مدل Improving the Model

  • بررسی مدل های از پیش آموزش دیده Exploring Pre-trained Models

نتیجه Conclusion

  • از اینجا کجا میری؟ Where you go from here?

نتیجه Conclusion

  • از اینجا کجا میری؟ Where you go from here?

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش پردازش زبان طبیعی (NLP) با استفاده از پایتون
جزییات دوره
10.5 hours
93
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
9,144
4.2 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Next Edge Coding Next Edge Coding

توسعه دهنده Full Stack و علاقه مندان به داده ها