کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش پردازش زبان طبیعی با پایتون (مفاهیم و پروژه‌ها) - آخرین آپدیت

دانلود NLP-Natural Language Processing in Python(Theory & Projects)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

مسلط شدن بر پردازش زبان طبیعی (NLP): قدرت هوش مصنوعی در درک زبان و تحلیل متن را آزاد کنید

آیا آماده‌اید تا سفری هیجان‌انگیز را به دنیای پردازش زبان طبیعی (NLP) آغاز کنید؟ این دوره جامع، دروازه شما برای تسلط بر هنر درک زبان انسان و بهره‌برداری از قابلیت‌های باورنکردنی هوش مصنوعی برای تحلیل متن و درک زبان است. چه مبتدی باشید و چه یک متخصص مشتاق NLP، این دوره کاوشی گسترده در تئوری NLP و تمرینات عملی با استفاده از پایتون را ارائه می‌دهد.

نکات برجسته دوره پردازش زبان طبیعی (NLP)

در این دوره روشنگر، شما:

  • مبانی NLP را کشف خواهید کرد:

    درکی قوی از مفاهیم NLP، اهمیت آن و کاربردهایش در زمینه‌هایی مانند تشخیص گفتار، تحلیل احساسات، ترجمه زبان و چت‌بات‌ها به دست خواهید آورد.

  • قدرت پایتون را به کار خواهید گرفت:

    از کتابخانه‌ها و ابزارهای گسترده پایتون برای تحلیل متن، پیش‌پردازش متن و استخراج داده استفاده خواهید کرد. تطبیق‌پذیری پایتون آن را به زبانی ایده‌آل برای NLP تبدیل می‌کند.

  • پیش‌پردازش متن را تسلط خواهید یافت:

    به جزئیات پیش‌پردازش متن، از جمله عبارات باقاعده، نرمال‌سازی متن، توکن‌سازی و موارد دیگر خواهید پرداخت. یاد خواهید گرفت که چگونه داده‌های متنی را برای تحلیل مؤثر آماده کنید.

  • بردارهای کلمه را رمزگشایی خواهید کرد:

    پتانسیل بردارهای کلمه را از روش‌های سنتی مانند بردارهای یک-داغ تا تکنیک‌های پیشرفته مانند Word2Vec، GloVe و BERT باز خواهید کرد. نحوه نمایش کلمات در بردارها و کاربردهای آن‌ها را درک خواهید کرد.

  • یادگیری عمیق برای NLP را درک خواهید کرد:

    شبکه‌های عصبی، شبکه‌های عصبی بازگشتی (RNN) و انواع آن‌ها (یک به یک، یک به چند، چند به یک، چند به چند)، RNN‌های دوطرفه، RNN‌های عمیق و موارد دیگر را بررسی خواهید کرد. درک خواهید کرد که چگونه یادگیری عمیق، NLP را متحول کرده است.

  • پروژه‌های دنیای واقعی را انجام خواهید داد:

    مهارت‌های NLP خود را در پروژه‌های عملی به کار خواهید برد، از جمله ساخت یک مترجم عصبی متن/زبان و توسعه یک چت‌بات. این پروژه‌ها شما را به چالش می‌کشند و یادگیری شما را تقویت می‌کنند.

  • مطالب آموزشی گسترده‌ای را دریافت خواهید کرد:

    به سخنرانی‌های ویدئویی با کیفیت بالا، ارزیابی‌ها، یادداشت‌های دوره و جزوات برای تقویت درک خود دسترسی خواهید داشت. منابع جامعی را برای حمایت از مسیر یادگیری شما ارائه می‌دهیم.

  • جامعه حمایتی خواهید داشت:

    برای دریافت کمک فوری در مورد هرگونه سوال مربوط به دوره، با تیم دوستانه ما تماس بگیرید. ما اینجا هستیم تا به شما در موفقیت کمک کنیم.

ماژول‌های دوره پردازش زبان طبیعی (NLP)

در اینجا نگاهی گذرا به آنچه در طول این دوره جامع کاوش خواهید کرد، آورده شده است:

  • مقدمه‌ای بر پردازش زبان طبیعی (NLP):

    ماهیت NLP، اهمیت آن و کاربردهایش در حوزه‌های مختلف را درک خواهید کرد. مروری بر ابزارهای نرم‌افزاری ضروری مورد استفاده در NLP خواهید داشت.

  • پیش‌پردازش متن:

    تکنیک‌های پیش‌پردازش متن، از جمله عبارات باقاعده، نرمال‌سازی متن، توکن‌سازی و تطابق رشته‌ها را بررسی خواهید کرد. یاد خواهید گرفت که چگونه داده‌های متنی را پاکسازی و آماده تحلیل کنید.

  • بردارهای کلمه:

    مدل‌های زبان، واژگان، N-Gramها، بردارهای یک-داغ و بردارهای کلمه پیشرفته مانند Word2Vec، GloVe و BERT را کاوش خواهید کرد. مبانی ریاضی و کاربردهای بردارهای کلمه را درک خواهید کرد.

  • پردازش زبان طبیعی (NLP) با یادگیری عمیق:

    شبکه‌های عصبی، معماری‌های مختلف RNN (یک به یک، یک به چند، چند به یک، چند به چند)، مدل‌های پیشرفته RNN برای NLP (مدل‌های رمزگذار-رمزگشا، مکانیزم‌های توجه) و تکنیک‌های یادگیری عمیق را تسلط خواهید یافت. کشف خواهید کرد که چگونه یادگیری عمیق، NLP را متحول کرده است.

  • پروژه‌ها:

    دانش جدید خود را در پروژه‌های دنیای واقعی به کار خواهید برد. یک مترجم عصبی متن/زبان بسازید و یک چت‌بات ایجاد کنید. این پروژه‌های عملی به شما امکان می‌دهند تا مهارت‌ها و خلاقیت خود را در حل مسائل عملی NLP نشان دهید.

چه کسانی باید ثبت نام کنند؟

این دوره برای مخاطبان گسترده‌ای طراحی شده است و برای موارد زیر مناسب است:

  • مبتدیانی که مشتاق ورود به دنیای جذاب پردازش زبان طبیعی (NLP) هستند.
  • علاقه‌مندان به پایتون که به دنبال افزایش مهارت‌های برنامه‌نویسی خود برای کاربردهای NLP هستند.
  • دانشمندان داده، تحلیلگران داده و متخصصان یادگیری ماشین که قصد دارند تخصص NLP را به مجموعه مهارت‌های خود اضافه کنند.

پس از اتمام موفقیت‌آمیز این دوره، شما با دانش و تجربه عملی مجهز خواهید شد تا با اطمینان چالش‌های NLP را بر عهده بگیرید، سیستم‌های درک زبان مبتنی بر هوش مصنوعی ایجاد کنید و فرصت‌های شغلی هیجان‌انگیز در زمینه پردازش زبان طبیعی را آغاز کنید.

پتانسیل NLP را باز کنید و مجموعه مهارت‌های خود را متحول کنید. اکنون ثبت نام کنید و قدرت هوش مصنوعی را در درک زبان و تحلیل متن به کار گیرید!

کلیدواژه‌های پردازش زبان طبیعی (NLP)

  • پردازش زبان طبیعی (NLP)
  • هوش مصنوعی (AI)
  • تحلیل متن
  • درک زبان
  • برنامه‌نویسی پایتون
  • پیش‌پردازش متن
  • بردارهای کلمه
  • بردارهای کلمه
  • یادگیری عمیق برای NLP
  • شبکه‌های عصبی
  • شبکه‌های عصبی بازگشتی (RNNs)
  • Word2Vec
  • GloVe
  • BERT
  • مدل‌های زبان
  • چت‌بات‌ها
  • تحلیل احساسات
  • تشخیص گفتار
  • ترجمه ماشینی
  • پردازش داده‌های متنی
  • نرمال‌سازی متن
  • توکن‌سازی
  • عبارات باقاعده
  • استخراج داده
  • داده‌کاوی متن
  • کاربردهای NLP
  • درک زبان طبیعی
  • ابزارهای پردازش زبان
  • پروژه‌های NLP
  • سیستم‌های زبان مبتنی بر هوش مصنوعی
  • فرصت‌های شغلی در NLP
  • گواهینامه NLP
  • تسلط بر NLP با پایتون
  • یادگیری تحلیل متن با NLP
  • پایتون برای پردازش زبان طبیعی
  • کاوش در بردارهای کلمه
  • تکنیک‌های یادگیری عمیق برای NLP
  • پروژه‌های عملی NLP
  • ساخت چت‌بات‌های مبتنی بر هوش مصنوعی
  • تحلیل احساسات در پایتون
  • پیشرفت شغلی در NLP
  • سیستم‌های درک زبان
  • دوره پردازش زبان طبیعی
  • آموزش و گواهینامه NLP
  • هوش مصنوعی در تحلیل داده‌های متنی
  • بهره‌برداری از NLP در پایتون
  • باز کردن قدرت NLP
  • کاربردهای واقعی NLP
سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه دوره Introduction to Course

  • معرفی مدرس Introduction to Instructor

  • معرفی همکار مدرس Introduction to Co-Instructor

  • معرفی دوره Course Introduction

  • درخواست بازخورد صادقانه شما Request for Your Honest Review

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

مقدمه(عبارات باقاعده) Introduction(Regular Expressions)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • عبارات باقاعده چیست What Is Regular Expression

  • چرا عبارات باقاعده Why Regular Expression

  • بات چت ELIZA ELIZA Chatbot

  • بسته عبارات باقاعده پایتون Python Regular Expression Package

کاراکترهای متا(عبارات باقاعده) Meta Characters(Regular Expressions)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • کاراکترهای متا Meta Characters

  • تمرین براکت‌های بزرگ کاراکترهای متا Meta Characters Bigbrackets Exercise

  • حل تمرین براکت‌های بزرگ کاراکترهای متا Meta Characters Bigbrackets Exercise Solution

  • تمرین دوم براکت‌های بزرگ کاراکترهای متا Meta Characters Bigbrackets Exercise 2

  • حل تمرین دوم براکت‌های بزرگ کاراکترهای متا Meta Characters Bigbrackets Exercise 2 Solution

  • کپ کاراکترهای متا Meta Characters Cap

  • تمرین سوم کپ کاراکترهای متا Meta Characters Cap Exercise 3

  • حل تمرین سوم کپ کاراکترهای متا Meta Characters Cap Exercise 3 Solution

  • بک اسلش Backslash

  • بک اسلش ادامه دارد Backslash Continued

  • بک اسلش ادامه دارد 01 Backslash Continued 01

  • تمرین براکت‌های مربعی بک اسلش Backslash Squared Brackets Exercise

  • حل تمرین براکت‌های مربعی بک اسلش Backslash Squared Brackets Exercise Solution

  • راه حل دیگر تمرین براکت‌های مربعی بک اسلش Backslash Squared Brackets Exercise Another Solution

  • تمرین بک اسلش Backslash Exercise

  • حل تمرین بک اسلش و تمرین دنباله‌های ویژه Backslash Exercise Solution And Special Sequences Exercise

  • حل تمرین دنباله‌های ویژه و حل تمرین دنباله‌های ویژه Solution And Special Sequences Exercise Solution

  • ستاره کاراکتر متا Meta Character Asterisk

  • تمرین ستاره کاراکتر متا Meta Character Asterisk Exercise

  • حل تمرین ستاره کاراکتر متا Meta Character Asterisk Exercise Solution

  • تکالیف ستاره کاراکتر متا Meta Character Asterisk Homework

  • تطبیق حریصانه ستاره کاراکتر متا Meta Character Asterisk Greedymatching

  • علامت مثبت و علامت سوال کاراکتر متا Meta Character Plus And Questionmark

  • تمرین آکولاد کاراکتر متا Meta Character Curly Brackets Exercise

  • حل تمرین آکولاد کاراکتر متا Meta Character Curly Brackets Exercise Solution

اشیاء الگو(عبارات باقاعده) Pattern Objects(Regular Expressions)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • اشیاء الگو Pattern Objects

  • تمرین متد تطابق اشیاء الگو Pattern Objects Match Method Exersize

  • حل تمرین متد تطابق اشیاء الگو Pattern Objects Match Method Exersize Solution

  • متد تطابق اشیاء الگو در مقابل متد جستجو Pattern Objects Match Method Vs Search Method

  • متد finditer اشیاء الگو Pattern Objects Finditer Method

  • حل تمرین متد finditer اشیاء الگو Pattern Objects Finditer Method Exersize Solution

کاراکترهای متا بیشتر(عبارات باقاعده) More Meta Characters(Regular Expressions)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • کاراکترهای متا منطق OR Meta Characters Logical Or

  • الگوهای شروع و پایان کاراکترهای متا Meta Characters Beginning And End Patterns

  • پرانتزهای کاراکترهای متا Meta Characters Paranthesis

تغییر رشته(عبارات باقاعده) String Modification(Regular Expressions)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • تغییر رشته String Modification

  • توکن ساز کلمات با استفاده از متد split Word Tokenizer Using Split Method

  • تمرین متد sub Sub Method Exercise

  • حل تمرین متد sub Sub Method Exercise Solution

کلمات و توکن ها(پیش پردازش متن) Words and Tokens(Text Preprocessing)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • کلمه چیست What Is A Word

  • تعریف کلمه وابسته به وظیفه است Definition Of Word Is Task Dependent

  • واژگان و پیکره Vocabulary And Corpus

  • توکن ها Tokens

  • توکن سازی در Spacy Tokenization In Spacy

دسته بندی احساسات(پیش پردازش متن) Sentiment Classification(Text Preprocessing)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • معرفی پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Introduction

  • مقدار دهی اولیه واژگان پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Vocabulary Initialization

  • افزودن توکن ها به واژگان پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Adding Tokens To Vocabulary

  • توابع جستجو در واژگان پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Look Up Functions In Vocabulary

  • ساخت واژگان از داده ها در پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Building Vocabulary From Data

  • کدگذاری یک-داغ پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project One Hot Encoding

  • پیاده سازی کدگذاری یک-داغ پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project One Hot Encoding Implementation

  • کدگذاری اسناد پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Encoding Documents

  • پیاده سازی کدگذاری اسناد پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Encoding Documents Implementation

  • تقسیم داده های آموزشی و تست پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Train Test Splits

  • محاسبه ویژگی در پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Featurecomputation

  • دسته بندی در پروژه کوچک دسته بندی نظرات Yelp Yelp Reviews Classification Mini Project Classification

توکن سازی مستقل از زبان(پیش پردازش متن) Language Independent Tokenization(Text Preprocessing)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مقدمه ای بر جزئیات توکن سازی Tokenization In Detial Introduction

  • توکن سازی دشوار است Tokenization Is Hard

  • توکن سازی با کدگذاری جفت بایت Tokenization Byte Pair Encoding

  • مثال توکن سازی با کدگذاری جفت بایت Tokenization Byte Pair Encoding Example

  • توکن سازی با کدگذاری جفت بایت روی داده های آزمون Tokenization Byte Pair Encoding On Test Data

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، محاسبه تعداد جفت ها Tokenization Byte Pair Encoding Implementation Getpaircounts

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، ادغام در پیکره Tokenization Byte Pair Encoding Implementation Mergeincorpus

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، آموزش BFE Tokenization Byte Pair Encoding Implementation BFE Training

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، کدگذاری BFE Tokenization Byte Pair Encoding Implementation BFE Encoding

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، کدگذاری یک جفت BFE Tokenization Byte Pair Encoding Implementation BFE Encoding One Pair

  • پیاده سازی توکن سازی با کدگذاری جفت بایت، کدگذاری یک جفت BFE 1 Tokenization Byte Pair Encoding Implementation BFE Encoding One Pair 1

نرمال سازی متن(پیش پردازش متن) Text Nomalization(Text Preprocessing)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • نرمال سازی کلمات: تغییر مورد Word Normalization Case Folding

  • نرمال سازی کلمات: ریشه یابی لغوی Word Normalization Lematization

  • نرمال سازی کلمات: ریشه یابی Word Normalization Stemming

  • نرمال سازی کلمات: قطعه بندی جمله Word Normalization Sentence Segmentation

تطابق رشته و تصحیح املا(پیش پردازش متن) String Matching and Spelling Correction(Text Preprocessing)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • تصحیح املا: مقدمه ای بر حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Intro

  • تصحیح املا: مثال حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Example

  • تصحیح املا: پر کردن جدول حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Table Filling

  • تصحیح املا: برنامه نویسی پویا حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Dynamic Programming

  • تصحیح املا: شبه کد حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Psudocode

  • تصحیح املا: پیاده سازی حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Implementation

  • تصحیح املا: رفع اشکال پیاده سازی حداقل فاصله ویرایش Spelling Correction Minimum Edit Distance Implementation Bugfixing

  • پیاده سازی تصحیح املا Spelling Correction Implementation

مدل سازی زبان Language Modeling

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مدل زبان چیست What Is A Language Model

  • تعریف رسمی مدل زبان Language Model Formal Definition

  • مدل زبان: نفرین ابعاد Language Model Curse Of Dimensionality

  • مدل زبان: فرض مارکوف و ان-گرام ها Language Model Markov Assumption And N-Grams

  • تنظیم پیاده سازی مدل زبان Language Model Implementation Setup

  • تابع ان-گرام پیاده سازی مدل زبان Language Model Implementation Ngrams Function

  • تابع به روز رسانی شمارش ها پیاده سازی مدل زبان Language Model Implementation Update Counts Function

  • تابع مدل احتمالی پیاده سازی مدل زبان Language Model Implementation Probability Model Funciton

  • خواندن پیکره پیاده سازی مدل زبان Language Model Implementation Reading Corpus

  • نمونه گیری متن پیاده سازی مدل زبان Language Model Implementation Sampling Text

مدل سازی موضوع با نمایش کلمات و اسناد Topic Modelling with Word and Document Representations

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • بردارهای یک-داغ One Hot Vectors

  • پیاده سازی بردارهای یک-داغ One Hot Vectors Implementaton

  • محدودیت های بردارهای یک-داغ One Hot Vectors Limitations

  • کاربردهای بردارهای یک-داغ به عنوان برچسب گذاری هدف One Hot Vectors Uses As Target Labeling

  • فرکانس ترم برای نمایش اسناد Term Frequency For Document Representations

  • پیاده سازی فرکانس ترم برای نمایش اسناد Term Frequency For Document Representations Implementations

  • فرکانس ترم برای نمایش کلمات Term Frequency For Word Representations

  • TFIDF برای نمایش اسناد TFIDF For Document Representations

  • خواندن پیکره پیاده سازی TFIDF برای نمایش اسناد TFIDF For Document Representations Implementation Reading Corpus

  • محاسبه فرکانس سند پیاده سازی TFIDF برای نمایش اسناد TFIDF For Document Representations Implementation Computing Document Frequenc

  • محاسبه TFIDF پیاده سازی TFIDF برای نمایش اسناد TFIDF For Document Representations Implementation Computing TFIDF

  • مدل سازی موضوع با TFIDF 1 Topic Modeling With TFIDF 1

  • مدل سازی موضوع با TFIDF 3 Topic Modeling With TFIDF 3

  • مدل سازی موضوع با TFIDF 4 Topic Modeling With TFIDF 4

  • مدل سازی موضوع با TFIDF 5 Topic Modeling With TFIDF 5

  • مدل سازی موضوع با Gensim Topic Modeling With Gensim

جاسازی کلمات LSI Word Embeddings LSI

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • ماتریس هم وقوع کلمات Word Co-occurrence Matrix

  • ماتریس هم وقوع کلمات در مقابل ماتریس سند-ترم Word Co-occurrence Matrix vs Document-term Matrix

  • آماده سازی داده ها پیاده سازی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Implementation Preparing Data

  • آماده سازی داده ها 2 پیاده سازی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Implementation Preparing Data 2

  • گرفتن واژگان پیاده سازی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Implementation Preparing Data Getting Vocabulary

  • تابع نهایی پیاده سازی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Implementation Final Function

  • مدیریت مشکلات حافظه در پیکره های بزرگ پیاده سازی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Implementation Handling Memory Issues On Large Corp

  • تُنُکی ماتریس هم وقوع کلمات Word Co-occurrence Matrix Sparsity

  • ماتریس هم وقوع کلمات: اطلاعات متقابل نقطه به نقطه مثبت PPMI Word Co-occurrence Matrix Positive Point Wise Mutual Information PPMI

  • PCA برای جاسازی های فشرده PCA For Dense Embeddings

  • تحلیل معنایی نهفته Latent Semantic Analysis

  • پیاده سازی تحلیل معنایی نهفته Latent Semantic Analysis Implementation

معناشناسی کلمات Word Semantics

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • شباهت کسینوسی Cosine Similarity

  • محاسبه نرم بردارهای شباهت کسینوسی Cosine Similarity Geting Norms Of Vectors

  • نرمال سازی بردارها شباهت کسینوسی Cosine Similarity Normalizing Vectors

  • شباهت کسینوسی با بیش از یک بردار Cosine Similarity With More Than One Vectors

  • یافتن شبیه ترین کلمات در واژگان شباهت کسینوسی Cosine Similarity Getting Most Similar Words In The Vocabulary

  • یافتن شبیه ترین کلمات در واژگان، رفع باگ شباهت کسینوسی Cosine Similarity Getting Most Similar Words In The Vocabulary Fixingbug Of D

  • جاسازی های Word2Vec شباهت کسینوسی Cosine Similarity Word2Vec Embeddings

  • قیاس های کلمات Words Analogies

  • پیاده سازی قیاس های کلمات 1 Words Analogies Implemenation 1

  • پیاده سازی قیاس های کلمات 2 Words Analogies Implemenation 2

  • تصویرسازی کلمات Words Visualizations

  • پیاده سازی تصویرسازی کلمات Words Visualizations Implementaion

  • پیاده سازی تصویرسازی کلمات 2 Words Visualizations Implementaion 2

Word2vec(اختیاری) Word2vec(Optional)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • جاسازی های ثابت و پویا Static And Dynamic Embeddings

  • خود نظارتی Self Supervision

  • الگوریتم Word2Vec خلاصه Word2Vec Algorithm Abstract

  • Word2Vec چرا نمونه گیری منفی Word2Vec Why Negative Sampling

  • Word2Vec اسکایپ گرم چیست Word2Vec What Is Skip Gram

  • Word2Vec چگونه قانون احتمال را تعریف کنیم Word2Vec How To Define Probability Law

  • Word2Vec سیگموئید Word2Vec Sigmoid

  • Word2Vec تابع زیان را فرموله می کند Word2Vec Formalizing Loss Function

  • تابع زیان Word2Vec Word2Vec Loss Function

  • گام نزول گرادیان Word2Vec Word2Vec Gradient Descent Step

  • آماده سازی داده ها پیاده سازی Word2Vec Word2Vec Implemenation Preparing Data

  • گام گرادیان پیاده سازی Word2Vec Word2Vec Implemenation Gradient Step

  • تابع درایور پیاده سازی Word2Vec Word2Vec Implemenation Driver Function

نیاز به یادگیری عمیق برای NLP(NLP با یادگیری عمیق DNN) Need of Deep Learning for NLP(NLP with Deep Learning DNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • چرا RNN ها برای NLP Why RNNs For NLP

  • نصب Pytorch و مقدمه ای بر تنسورها Pytorch Installation And Tensors Introduction

  • مشتق گیری خودکار Pytorch Automatic Diffrenciation Pytorch

مقدمه(NLP با یادگیری عمیق DNN) Introduction(NLP with Deep Learning DNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • چرا DNN ها در یادگیری ماشین Why DNNs In Machine Learning

  • قدرت نمایش و ظرفیت استفاده از داده DNN Representational Power And Data Utilization Capacity Of DNN

  • پرسپترون Perceptron

  • پیاده سازی پرسپترون Perceptron Implementation

  • معماری DNN DNN Architecture

  • پیاده سازی گام رو به جلو DNN DNN Forwardstep Implementation

  • چرا تابع فعال سازی DNN مورد نیاز است DNN Why Activation Function Is Required

  • خواص تابع فعال سازی DNN DNN Properties Of Activation Function

  • توابع فعال سازی DNN در Pytorch DNN Activation Functions In Pytorch

  • تابع زیان DNN چیست DNN What Is Loss Function

  • تابع زیان DNN در Pytorch DNN Loss Function In Pytorch

آموزش(NLP با یادگیری عمیق DNN) Training(NLP with Deep Learning DNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • نزول گرادیان DNN DNN Gradient Descent

  • پیاده سازی نزول گرادیان DNN DNN Gradient Descent Implementation

  • گرادیان نزول گرادیان بچ تصادفی مینی بچ DNN Gradient Descent Stochastic Batch Minibatch

  • خلاصه نزول گرادیان DNN DNN Gradient Descent Summary

  • گام گرادیان پیاده سازی DNN DNN Implemenation Gradient Step

  • پیاده سازی نزول گرادیان تصادفی DNN DNN Implemenation Stochastic Gradient Descent

  • پیاده سازی نزول گرادیان بچ DNN DNN Implemenation Batch Gradient Descent

  • پیاده سازی نزول گرادیان مینی بچ DNN DNN Implemenation Minibatch Gradient Descent

  • پیاده سازی DNN در Pytorch DNN Implemenation In Pytorch

فراپارامترها(NLP با یادگیری عمیق DNN) Hyper parameters(NLP with Deep Learning DNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مقدار دهی اولیه وزن های DNN DNN Weights Initializations

  • نرخ یادگیری DNN DNN Learning Rate

  • نرمال سازی بچ DNN DNN Batch Normalization

  • پیاده سازی نرمال سازی بچ DNN DNN Batch Normalization Implementation

  • بهینه سازی های DNN DNN Optimizations

  • Dropout DNN DNN Dropout

  • Dropout در Pytorch DNN DNN Dropout In Pytorch

  • توقف زودهنگام DNN DNN Early Stopping

  • فراپارامترهای DNN DNN Hyperparameters

  • مثال CIFAR10 Pytorch DNN DNN Pytorch CIFAR10 Example

مقدمه(NLP با یادگیری عمیق RNN) Introduction(NLP with Deep Learning RNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • RNN چیست What Is RNN

  • درک RNN با یک مثال ساده Understanding RNN With A Simple Example

  • کاربردهای RNN تشخیص فعالیت انسان RNN Applications Human Activity Recognition

  • کاربردهای RNN تولید شرح تصویر RNN Applications Image Captioning

  • کاربردهای RNN ترجمه ماشینی RNN Applications Machine Translation

  • کاربردهای RNN تشخیص گفتار پیش بینی قیمت سهام RNN Applications Speech Recognition Stock Price Prediction

  • مدل های RNN RNN Models

پروژه کوچک مدل سازی زبان(NLP با یادگیری عمیق RNN) Mini-project Language Modelling(NLP with Deep Learning RNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مدل سازی زبان پیش بینی کلمه بعدی Language Modeling Next Word Prediction

  • مدل سازی زبان شاخص واژگان پیش بینی کلمه بعدی Language Modeling Next Word Prediction Vocabulary Index

  • مدل سازی زبان جاسازی های شاخص واژگان پیش بینی کلمه بعدی Language Modeling Next Word Prediction Vocabulary Index Embeddings

  • مدل سازی زبان معماری RNN پیش بینی کلمه بعدی Language Modeling Next Word Prediction Rnn Architecture

  • مدل سازی زبان پایتون 1 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 1

  • مدل سازی زبان پایتون 2 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 2

  • مدل سازی زبان پایتون 3 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 3

  • مدل سازی زبان پایتون 4 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 4

  • مدل سازی زبان پایتون 5 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 5

  • مدل سازی زبان پایتون 6 پیش بینی کلمه بعدی Language Modeling Next Word Prediction Python 6

پروژه کوچک دسته بندی احساسات(NLP با یادگیری عمیق RNN) Mini-project Sentiment Classification(NLP with Deep Learning RNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • پیاده سازی واژگان Vocabulary Implementation

  • کمک های پیاده سازی واژگان Vocabulary Implementation Helpers

  • پیاده سازی واژگان از فایل Vocabulary Implementation From File

  • وکتورایزر Vectorizer

  • تنظیمات RNN RNN Setup

  • تنظیمات RNN 1 RNN Setup 1

RNN در Pytorch(NLP با یادگیری عمیق RNN) RNN in PyTorch(NLP with Deep Learning RNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مقدمه RNN در Pytorch RNN In Pytorch Introduction

  • لایه جاسازی RNN در Pytorch RNN In Pytorch Embedding Layer

  • Nn Rnn در Pytorch RNN In Pytorch Nn Rnn

  • شکل خروجی RNN در Pytorch RNN In Pytorch Output Shapes

  • واحدهای دروازه ای RNN در Pytorch RNN In Pytorch Gatedunits

  • واحدهای دروازه ای RNN GRU LSTM در Pytorch RNN In Pytorch Gatedunits GRU LSTM

  • RNN دو جهته در Pytorch RNN In Pytorch Bidirectional RNN

  • شکل خروجی RNN دو جهته در Pytorch RNN In Pytorch Bidirectional RNN Output Shapes

  • جداسازی شکل خروجی RNN دو جهته در Pytorch RNN In Pytorch Bidirectional RNN Output Shapes Seperation

  • مثال RNN در Pytorch RNN In Pytorch Example

مدل های پیشرفته RNN(NLP با یادگیری عمیق RNN) Advanced RNN models(NLP with Deep Learning RNN)

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • رمزگذار-رمزگشا RNN RNN Encoder Decoder

  • توجه RNN RNN Attention

ترجمه ماشینی عصبی Neural Machine Translation

  • لینک‌های مطالب و کدهای دوره Links for the Course's Materials and Codes

  • مقدمه مجموعه داده و بسته ها Introduction To Dataset And Packages

  • پیاده سازی کلاس زبان Implementing Language Class

  • تست کلاس زبان و پیاده سازی نرمال سازی Testing Language Class And Implementing Normalization

  • خواندن فایل داده Reading Datafile

  • خواندن و ساخت واژگان Reading Building Vocabulary

  • رمزگذار RNN EncoderRNN

  • رمزگشای RNN DecoderRNN

  • گام رو به جلو رمزگشای RNN DecoderRNN Forward Step

  • توابع کمکی رمزگشای RNN DecoderRNN Helper Functions

  • ماژول آموزش Training Module

  • نزول گرادیان تصادفی Stochastic Gradient Descent

  • آموزش NMT NMT Training

  • ارزیابی NMT NMT Evaluation

آموزش یادگیری AWS چارچوب کاملاً معماری

آموزش یادگیری AWS چارچوب کاملاً معماری

Learning the AWS Well-Architected Framework

آموزش طراحی اینفوگرافیک

آموزش طراحی اینفوگرافیک

Learning Infographic Design

آموزش برندسازی فراگیر: راز جذب استعدادهای مناسب برای سازمان شما

آموزش برندسازی فراگیر: راز جذب استعدادهای مناسب برای سازمان شما

Inclusive Branding: The Secret to Attracting the Right Talent for Your Organization

نمایش نظرات

آموزش پردازش زبان طبیعی با پایتون (مفاهیم و پروژه‌ها)
جزییات دوره
23.5 hours
258
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,166
4.3 از 5
ندارد
دارد
دارد

https://donyad.com/d/c2fed8

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

AI Sciences AI Sciences

کارشناسان هوش مصنوعی و دانشمندان داده | رتبه ۴+ | 168+ کشور

AI Sciences Team AI Sciences Team

پشتیبانی از تیم علوم هوش مصنوعی