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

نمایش نظرات

آموزش NLP پیشرفته با پایتون برای یادگیری ماشین
جزییات دوره
2h 14m
31
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
297
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Derek Jedamski Derek Jedamski

دانشمند داده های ماهر متخصص در یادگیری ماشین

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.