آموزش ساخت سیستم های تجزیه و تحلیل احساس در پایتون

Building Sentiment Analysis Systems in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: با بیان بیشتر نظرات بصورت غیر ساختاری بصورت آنلاین ، تحلیل احساس اهمیت بیشتری پیدا کرده است. این دوره شامل رویکردهای مبتنی بر قاعده و مبتنی بر ML برای جذب احساسات از نظرات ، از جمله VADER ، Sentiwordnet و موارد دیگر است. نظرات آنلاین در حال فراگیر شدن است - افراد بیشتری از گذشته نظرات خود را به صورت آنلاین بیان می کنند. در نتیجه ، استخراج اطلاعات احساسات از این نظرات بسیار مهم می شود. در این دوره ، ساخت سیستم های تجزیه و تحلیل احساسات در پایتون ، شما با اصول ساخت یک سیستم برای این کار در پایتون آشنا می شوید. ابتدا تفاوت بین روشهای ML و مبتنی بر قانون و نحوه استفاده از طبقه بندی کننده های VADER ، Sentiwordnet و Naive Bayes را خواهید آموخت. در مرحله بعدی ، شما سه تحلیلگر احساسات ایجاد خواهید کرد و از آنها برای طبقه بندی مجموعه ای از بررسی فیلم های ارائه شده توسط کرنل استفاده می کنید. سرانجام ، شما یک درک مفهومی از Support Vector Machines خواهید یافت ، و اینکه چرا Naive Bayes معمولاً انتخاب بهتری است. هنگامی که با این دوره به پایان رسیدید ، درک روشنی از نحوه جذب احساسات از دیدگاه های مختلف ، و گزینه های طراحی و مبادلات تجاری خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شناسایی کاربردهای تحلیل احساسات Identifying Applications of Sentiment Analysis

  • معرفی تجزیه و تحلیل احساسات Introducing Sentiment Analysis

  • دو مطالعه موردی Two Case Studies

  • تشخیص قطبیت برای تجزیه و تحلیل احساسات Polarity Detection for Sentiment Analysis

  • تنظیم یک مشکل طبقه بندی باینری Setting up a Binary Classification Problem

  • طبقه بندی باینری مبتنی بر قانون و ML Rule-based and ML-based Binary Classifiers

حل تحلیل احساس با رویکرد مبتنی بر قانون Solving Sentiment Analysis with a Rule-based Approach

  • شروع ساده ، شروع ساده گرایانه Starting Simple, Starting Simplistic

  • محدودیت های رویکرد ساده انگارانه Limitations of a Simplistic Approach

  • یک الگوریتم مبتنی بر قانون واقعی تر A More Realistic Rule-based Algorithm

  • واقعی کردن (کمی بیشتر) Making It (Slightly More) Real

  • ساختمان سخت است ، استفاده از آن آسان است Building Is Hard, Using Is Easy

اجرای تجزیه و تحلیل احساس با رویکرد مبتنی بر قانون Implementing Sentiment Analysis with a Rule-based Approach

  • معرفی VADER Introducing VADER

  • علائم نگارشی ، نفی ، تأکید و تضاد Punctuation, Negation, Emphasis, and Contrast

  • طبقه بندی بررسی فیلم با VADER Classifying Movie Reviews with VADER

  • معرفی Sentiwordnet Introducing Sentiwordnet

  • طبقه بندی بررسی فیلم با Sentiwordnet Classifying Movie Reviews with Sentiwordnet

حل تجزیه و تحلیل احساس با رویکرد مبتنی بر ML Solving Sentiment Analysis with an ML Based Approach

  • کاوش رویکردهای مبتنی بر ML Exploring ML-based Approaches

  • شهود پشت قضیه بیز The Intuition Behind Bayes Theorem

  • Naive Bayes برای مشکلات طبقه بندی Naive Bayes for Classification Problems

  • به کار بردن قضیه بیز Applying Bayes Theorem

  • پشتیبانی از ماشین های برداری Support Vector Machines

اجرای تجزیه و تحلیل احساسات با رویکرد مبتنی بر ML Implementing Sentiment Analysis with an ML Based Approach

  • اهمیت استخراج ویژگی The Importance of Feature Extraction

  • طرح کلی اجرای Naive Bayes An Outline of Implementing Naive Bayes

  • تبدیل داده برای nltk Data Transformation for nltk

  • اجرای Python از Naive Bayes Python Implementation of Naive Bayes

  • مقایسه VADER ، Sentiwordnet و Naive Bayes Comparing VADER, Sentiwordnet, and Naive Bayes

نمایش نظرات

نظری ارسال نشده است.

آموزش ساخت سیستم های تجزیه و تحلیل احساس در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 31m
26
Pluralsight (پلورال سایت) pluralsight-small
15 دی 1395 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
67
4.4 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vitthal Srinivasan Vitthal Srinivasan

ویتال بسیاری از عمر خود را صرف تحصیل کرده است - وی دارای مدرک کارشناسی ارشد در رشته های ریاضی و مهندسی برق از استنفورد ، MBA از INSEAD و لیسانس مهندسی کامپیوتر از بمبئی است. او همچنین بسیاری از زندگی خود را صرف کار کرده است - به عنوان یک مشتق مشتق در Credit Suisse در نیویورک ، سپس به عنوان یک معامله گر کوان ، ابتدا با یک صندوق پرچین در گرینویچ و سپس به صورت شخصی و در نهایت در Google در سنگاپور و Flipkart بنگلور در تمام این نقش ها ، او کدهای زیادی نوشته است و مدل های زیادی ساخته است.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.