آموزش NLP پیشرفته با پایتون برای یادگیری ماشین

سرفصل ها و درس ها

معرفی Introduction

• آنچه شما باید بدانید What you should know

• مهارت NLP خود را با استفاده از پایتون و یادگیری ماشین ارتقا دهید Elevate Your NLP expertise using Python and machine learning

• نحوه استفاده از فایل های تمرین چالش How to use the challenge exercise files

1. مقدمه ای بر کتابخانه های NLP 1. Introduction to NLP Libraries

• کتابخانه های پردازش زبان طبیعی Natural language processing libraries

• مروری بر پردازش زبان طبیعی Overview of natural language processing

• تکامل پردازش زبان طبیعی Evolution of natural language processing

2. اصول NLP و Python را مرور کنید 2. Review NLP and Python Basics

• معرفی SpaCy Introduction to spaCy

• چالش: ایجاد یک خط لوله پردازش spaCy Challenge: Build a spaCy processing pipeline

• راه حل: یک خط لوله پردازش بسازید Solution: Build a processing pipeline

3. استفاده از spaCy برای تجزیه و تحلیل بازخورد مشتری 3. Using spaCy for Customer Feedback Analysis

• خط لوله پردازش spaCy The spaCy processing pipeline

• چالش: بازخورد مشتری را تجزیه و تحلیل کنید Challenge: Analyze customer feedback

• راه حل: بازخورد مشتری را تجزیه و تحلیل کنید Solution: Analyze customer feedback

• بازخورد مشتریان را با استفاده از SpaCy تجزیه و تحلیل کنید Analyze customer feedback using spaCy

4. NLP مدرن: ترانسفورماتورها و مدل های زبان بزرگ 4. Modern NLP: Transformers and Large Language Models

• شبکه های عصبی ترانسفورماتور Transformers neural networks

• مدل های زبان بزرگ: BERT، GPT Large language models: BERT, GPT

• چالش: تحلیل احساسات با استفاده از DistilBERT Challenge: Sentiment analysis using DistilBERT

• راه حل: تجزیه و تحلیل احساسات با استفاده از DistilBERT Solution: Sentiment analysis using DistilBERT

• پردازش زبان طبیعی مدرن Modern natural language processing

5. روش هایی که عملکرد LLM را بهبود می بخشد 5. Methods That Improve LLM Performance

• نسل افزوده بازیابی (RAG) Retrieval-augmented generation (RAG)

• چالش: تنظیم دقیق پارامترها با LoRa Challenge: Parameter-efficient fine-tuning with LoRa

• تنظیم دقیق پارامترها (PEFT) Parameter-efficient fine-tuning (PEFT)

• راه حل: تنظیم دقیق پارامترها با LoRa Solution: Parameter-efficient fine-tuning with LoRa

• روش هایی که عملکرد LLM را بهبود می بخشد Methods that improve LLM performance

• روش های تنظیم دقیق Fine-tuning methods

• نظارت بر تنظیم دقیق Supervised fine-tuning

نتیجه Conclusion

• مراحل بعدی Next steps