لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش NLP پیشرفته با پایتون برای یادگیری ماشین
Advanced NLP with Python for Machine Learning
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
روزانه مقدار باورنکردنی داده متنی بدون ساختار توسط شبکه های اجتماعی ، صفحات وب و منابع مختلف دیگر تولید می شود. اما بدون توانایی رام کردن و مهار کردن این داده ها ، قادر نخواهید بود که مقداری از آن دریافت کنید. در این دوره ، یاد بگیرید که چگونه داده های متن کثیف را با استفاده از پایتون به بینش قدرتمندی ترجمه کنید. مربی درک جدامسکی شروع می کند
با یک مرور سریع از مفاهیم بنیادی NLP ، از جمله نحوه تمیز کردن داده های متنی و ساخت یک مدل در بالای متن برداری شده. او سپس وارد مباحث پیچیده تری مانند word2vec ، doc2vec و شبکه های عصبی راجعه می شود. وی برای پایان دادن به دوره ، این مفاهیم را با به کار بردن آنها در یک مسئله یادگیری ماشین ، در دنیای واقعی قرار می دهد.
سرفصل ها و درس ها
مقدمه
Introduction
اعمال قدرت داده های کثیف
Leveraging the power of messy text data
آنچه باید بدانید
What you should know
به چه ابزارهایی نیاز دارید
What tools you need
با استفاده از پرونده های تمرینی
Using the exercise files
1. اصول NLP را مرور کنید
1. Review NLP Basics
NLP چیست؟
What is NLP?
راه اندازی NLTK
NLTK setup
خواندن داده های متن به پایتون
Reading text data into Python
تمیز کردن داده های متن
Cleaning text data
وکتورسازی متن با استفاده از TF-IDF
Vectorize text using TF-IDF
ساختن یک مدل در بالای متن بردار
Building a model on top of vectorized text
2. word2vec
2. word2vec
word2vec چیست؟
What is word2vec?
چه چیزی word2vec را قدرتمند می کند؟
What makes word2vec powerful?
نحوه اجرای word2vec
How to implement word2vec
نحوه آماده سازی بردارهای کلمه ای برای مدل سازی
How to prep word vectors for modeling
3. doc2vec
3. doc2vec
doc2vec چیست؟
What is doc2vec?
چه چیزی doc2vec را قدرتمند می کند؟
What makes doc2vec powerful?
نحوه اجرای doc2vec
How to implement doc2vec
نحوه تهیه بردارهای مستند برای مدل سازی
How to prep document vectors for modeling
4- شبکه های عصبی مکرر
4. Recurrent Neural Networks
شبکه عصبی چیست؟
What is a neural network?
شبکه عصبی مکرر چیست؟
What is a recurrent neural network?
چه چیزی باعث می شود RNN ها برای مشکلات NLP بسیار قدرتمند شوند؟
What makes RNNs so powerful for NLP problems?
تهیه داده برای RNN
Preparing data for an RNN
نحوه اجرای RNN اساسی
How to implement a basic RNN
5- تکنیک های Advance NLP را در مورد یک مسئله ML مقایسه کنید
5. Compare Advance NLP Techniques on an ML Problem
داده ها را برای مدل سازی آماده کنید
Prep the data for modeling
بر روی بردارهای TF-IDF یک مدل بسازید
Build a model on TF-IDF vectors
یک مدل روی تعبیه های word2vec بسازید
Build a model on word2vec embeddings
یک مدل روی تعبیه های doc2vec بسازید
Build a model on doc2vec embeddings
یک مدل RNN بسازید
Build an RNN model
تمام روشها را با استفاده از معیارهای عملکرد کلیدی مقایسه کنید
Compare all methods using key performance metrics
آماده سازی اصلی برای تکنیک های پیشرفته مدل سازی NLP
Key takeaways for advanced NLP modeling techniques
نتیجه
Conclusion
چگونه به پیشرفت مهارت های خود ادامه دهید
How to continue advancing your skills
derek jedamski یک دانشمند داده ماهر است که متخصص در یادگیری ماشین است.
Derek دارای تجربه با مدلسازی رگرسیون و طبقه بندی، پردازش زبان طبیعی، تجزیه و تحلیل آماری، کنترل کیفیت، تجزیه و تحلیل کسب و کار، و برقراری ارتباط نتایج فنی به مخاطبان است زمینه های مختلف او همچنین دارای درک کامل از پایتون، R، SQL، Apache Spark و سایر چارچوب های محاسباتی و زبان ها است. در حال حاضر، Derek در Github به عنوان یک دانشمند داده کار می کند.
نمایش نظرات