آموزش پردازش زبان طبیعی (NLP) با استفاده از پایتون

سرفصل ها و درس ها

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

مقدمه دوره Introduction to the 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?

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?

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

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

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

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

نامپی و پانداها Numpy and Pandas

• معرفی Numpy Introduction to Numpy

• معرفی Numpy Introduction to Numpy

• آشنایی با پانداها Introduction to Pandas

نامپی و پانداها Numpy and Pandas

• آشنایی با پانداها Introduction to Pandas

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

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

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 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 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 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 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

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

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

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

نتیجه Conclusion

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

نتیجه Conclusion

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