آموزش پردازش زبان‌های طبیعی با یادگیری عمیق در پایتون - آخرین آپدیت

سرفصل ها و درس ها

کلیات، مرور و مسائل اجرایی Outline, Review, and Logistical Things

• مقدمه، کلیات و مرور Introduction, Outline, and Review

• چگونه در این دوره موفق شویم How to Succeed in this Course

• کد/داده این دوره را از کجا تهیه کنیم Where to get the code / data for this course

• داده‌های پیش‌پردازش شده ویکی‌پدیا Preprocessed Wikipedia Data

• چگونه فایل‌ها را برای کاربران ویندوز باز کنیم How to Open Files for Windows Users

بخش مبتدی: کار با بردارهای کلمه Beginner's Corner: Working with Word Vectors

• بردارها چه هستند؟ What are vectors?

• قیاس کلمه چیست؟ What is a word analogy?

• یافتن و ارزیابی بردارهای کلمه با استفاده از TF-IDF و t-SNE Trying to find and assess word vectors using TF-IDF and t-SNE

• بردارهای کلمه از پیش آموزش‌دیده GloVe Pretrained word vectors from GloVe

• بردارهای کلمه از پیش آموزش‌دیده word2vec Pretrained word vectors from word2vec

• طبقه‌بندی متن با بردارهای کلمه Text Classification with word vectors

• طبقه‌بندی متن در کد Text Classification in Code

• استفاده از بردارهای از پیش آموزش‌دیده در ادامه دوره Using pretrained vectors later in the course

• صندوق پیشنهادها Suggestion Box

مرور مدل‌سازی زبان و شبکه‌های عصبی Review of Language Modeling and Neural Networks

• مقدمه بخش مرور Review Section Intro

• بیگِرام‌ها و مدل‌های زبان Bigrams and Language Models

• بیگِرام‌ها در کد Bigrams in Code

• مدل بیگِرام عصبی Neural Bigram Model

• مدل بیگِرام عصبی در کد Neural Bigram Model in Code

• مدل بیگِرام شبکه عصبی Neural Network Bigram Model

• مدل بیگِرام شبکه عصبی در کد Neural Network Bigram Model in Code

• بهبود کارایی Improving Efficiency

• بهبود کارایی در کد Improving Efficiency in Code

• جمع‌بندی بخش مرور Review Section Summary

تعبیه‌های کلمه و Word2Vec Word Embeddings and Word2Vec

• بازگشت بیگِرام Return of the Bigram

• CBOW CBOW

• Skip-Gram Skip-Gram

• سافت‌مکس سلسله‌مراتبی Hierarchical Softmax

• نمونه‌برداری منفی Negative Sampling

• نمونه‌برداری منفی - جزئیات مهم Negative Sampling - Important Details

• چرا دو ماتریس تعبیه کلمه دارم و با آنها چه کنم؟ Why do I have 2 word embedding matrices and what do I do with them?

• ترفندهای پیاده‌سازی Word2Vec Word2Vec implementation tricks

• طرح کلی پیاده‌سازی Word2Vec Word2Vec implementation outline

• Word2Vec در کد با نام‌پای Word2Vec in Code with Numpy

• تنسورفلو یا تیانو - انتخاب شما! Tensorflow or Theano - Your Choice!

• جزئیات پیاده‌سازی Word2Vec با تنسورفلو Word2Vec Tensorflow Implementation Details

• Word2Vec با تنسورفلو در کد Word2Vec Tensorflow in Code

• جایگزین داده‌های ویکی‌پدیا: پیکره براون Alternative to Wikipedia Data: Brown Corpus

تعبیه‌های کلمه با استفاده از GloVe Word Embeddings using GloVe

• مقدمه بخش GloVe GloVe Section Introduction

• تجزیه ماتریسی برای سیستم‌های توصیه‌گر - مفاهیم پایه Matrix Factorization for Recommender Systems - Basic Concepts

• آموزش تجزیه ماتریسی Matrix Factorization Training

• گسترش مدل تجزیه ماتریسی Expanding the Matrix Factorization Model

• رگولاریزاسیون برای تجزیه ماتریسی Regularization for Matrix Factorization

• GloVe - بردارهای سراسری برای نمایش کلمه GloVe - Global Vectors for Word Representation

• مرور روش‌های آموزش GloVe Recap of ways to train GloVe

• GloVe در کد - گرادیان کاهشی نام‌پای GloVe in Code - Numpy Gradient Descent

• GloVe در کد - حداقل مربعات متناوب GloVe in Code - Alternating Least Squares

• GloVe در تنسورفلو با گرادیان کاهشی GloVe in Tensorflow with Gradient Descent

• بصری‌سازی قیاس‌های کشور با t-SNE Visualizing country analogies with t-SNE

• چالش فراپارامتر Hyperparameter Challenge

• آموزش GloVe با SVD (تجزیه مقدار منفرد) Training GloVe with SVD (Singular Value Decomposition)

یکپارچه‌سازی Word2Vec و GloVe Unifying Word2Vec and GloVe

• اطلاعات متقابل نقطه‌ای - Word2Vec به عنوان تجزیه ماتریسی Pointwise Mutual Information - Word2Vec as Matrix Factorization

• PMI در کد PMI in Code

استفاده از شبکه‌های عصبی برای حل مسائل NLP Using Neural Networks to Solve NLP Problems

• برچسب‌گذاری اجزای کلام (POS) Parts-of-Speech (POS) Tagging

• چگونه می‌توان از شبکه‌های عصبی برای حل برچسب‌گذاری POS استفاده کرد؟ How can neural networks be used to solve POS tagging?

• خط مبنای برچسب‌گذاری اجزای کلام Parts-of-Speech Tagging Baseline

• شبکه عصبی بازگشتی برچسب‌گذاری اجزای کلام در تیانو Parts-of-Speech Tagging Recurrent Neural Network in Theano

• شبکه عصبی بازگشتی برچسب‌گذاری اجزای کلام در تنسورفلو Parts-of-Speech Tagging Recurrent Neural Network in Tensorflow

• چگونه یک HMM برچسب‌گذاری POS را حل می‌کند؟ How does an HMM solve POS tagging?

• مدل پنهان مارکوف (HMM) برچسب‌گذاری اجزای کلام Parts-of-Speech Tagging Hidden Markov Model (HMM)

• شناسایی موجودیت نام‌دار (NER) Named Entity Recognition (NER)

• مقایسه NER و برچسب‌گذاری POS Comparing NER and POS tagging

• خط مبنای شناسایی موجودیت نام‌دار Named Entity Recognition Baseline

• شبکه عصبی بازگشتی شناسایی موجودیت نام‌دار در تیانو Named Entity Recognition RNN in Theano

• شبکه عصبی بازگشتی شناسایی موجودیت نام‌دار در تنسورفلو Named Entity Recognition RNN in Tensorflow

• چالش فراپارامتر II Hyperparameter Challenge II

شبکه‌های عصبی بازگشتی (شبکه‌های عصبی درختی) Recursive Neural Networks (Tree Neural Networks)

• مقدمه بخش شبکه‌های عصبی بازگشتی Recursive Neural Networks Section Introduction

• جملات به عنوان درخت Sentences as Trees

• توصیف داده برای شبکه‌های عصبی بازگشتی Data Description for Recursive Neural Networks

• شبکه‌های عصبی بازگشتی / شبکه‌های عصبی درختی (TNNs) چه هستند؟ What are Recursive Neural Networks / Tree Neural Networks (TNNs)?

• ساخت یک TNN با بازگشت Building a TNN with Recursion

• تبدیل درخت‌ها به دنباله‌ها Trees to Sequences

• شبکه‌های عصبی تانسوری بازگشتی Recursive Neural Tensor Networks

• RNTN در تنسورفلو (نکات) RNTN in Tensorflow (Tips)

• RNTN در تنسورفلو (کد) RNTN in Tensorflow (Code)

• شبکه عصبی بازگشتی در تنسورفلو با بازگشت Recursive Neural Network in TensorFlow with Recursion

مرور مبانی تیانو و تنسورفلو Theano and Tensorflow Basics Review

• (مرور) مبانی تیانو (Review) Theano Basics

• (مرور) شبکه عصبی تیانو در کد (Review) Theano Neural Network in Code

• (مرور) مبانی تنسورفلو (Review) Tensorflow Basics

• (مرور) شبکه عصبی تنسورفلو در کد (Review) Tensorflow Neural Network in Code

پیوست / پایان‌بندی پرسش‌های متداول Appendix / FAQ Finale

• پیوست چیست؟ What is the Appendix?

راه‌اندازی محیط شما (پرسش‌های متداول به درخواست دانشجو) Setting Up Your Environment (FAQ by Student Request)

• بررسی پیش از نصب Pre-Installation Check

• راه‌اندازی محیط آناکوندا Anaconda Environment Setup

• چگونه نام‌پای، سای‌پای، مت‌پلات‌لیب، پانداس، آی‌پایتون، تیانو و تنسورفلو را نصب کنیم How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

کمک اضافی در کدنویسی پایتون برای مبتدیان (پرسش‌های متداول به درخواست دانشجو) Extra Help With Python Coding for Beginners (FAQ by Student Request)

• چگونه wp2txt یا WikiExtractor.py را نصب کنیم How to install wp2txt or WikiExtractor.py

• چگونه فایل .tar.gz را از حالت فشرده خارج کنیم How to Uncompress a .tar.gz file

• چگونه خودتان کدنویسی کنید (قسمت ۱) How to Code by Yourself (part 1)

• چگونه خودتان کدنویسی کنید (قسمت ۲) How to Code by Yourself (part 2)

• اثبات اینکه استفاده از ژوپیتر نوت‌بوک تفاوتی با عدم استفاده از آن ندارد Proof that using Jupyter Notebook is the same as not using it

• پایتون ۲ در مقابل پایتون ۳ Python 2 vs Python 3

• آیا تیانو از رده خارج شده است؟ Is Theano Dead?

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پرسش‌های متداول به درخواست دانشجو) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

• چگونه در این دوره موفق شویم (نسخه طولانی) How to Succeed in this Course (Long Version)

• آیا این دوره برای مبتدیان است یا متخصصان؟ آکادمیک است یا عملی؟ سریع است یا آرام؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (قسمت ۱) Machine Learning and AI Prerequisite Roadmap (pt 1)

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (قسمت ۲) Machine Learning and AI Prerequisite Roadmap (pt 2)

پیوست / پایان‌بندی پرسش‌های متداول Appendix / FAQ Finale

• بونوس BONUS