متن کاوی با یادگیری ماشین و پایتون [ویدئو]

سرفصل ها و درس ها

شروع کار با متن کاوی Getting Started with Text Mining

• بررسی اجمالی دوره The Course Overview

• درک متن کاوی مدرن Understanding Modern-Day Text Mining

• کاوش در جعبه ابزار متن کاوی Exploring Your Text Mining Toolbox

• تنظیم محیط کاری Setting Up Your Working Environment

• خلاصه ای کوتاه از موضوعاتی که به آنها خواهیم پرداخت A Short Rundown of the Topics We Will Cover

ویژگی های خواندن و پردازش متن Reading and Processing Text Features

• درک منابع داده متنی Understanding Text Data Sources

• پاک کردن متن کثیف Cleaning Messy Text

• Tokenization، POS Tagging و Lemmatization Tokenization, POS Tagging, and Lemmatization

• برخورد با N-Gram Dealing with N-Grams

استخراج از متن Extracting from Text

• جستجوی کلمه در مقابل استخراج موجودیت Word Search Versus Entity Extraction

• شناسایی نهاد نامگذاری شده (NER) Named Entity Recognition (NER)

• استفاده از مدل های از پیش آموزش دیده Using Pre-Trained Models

• آموزش NER خودتان Training Your Own NER

• رویکرد یادگیری عمیق به NER Deep Learning Approach to NER

طبقه بندی متن Classification of Text

• نمایش ویژگی Feature Representation

• الگوریتم های یادگیری ماشین برای طبقه بندی متن Machine Learning Algorithms for Text Classification

• راه اندازی یک طبقه بندی متن اصلی Setting Up a Basic Text Classifier

• مشکلات و قوانین سرانگشتی Pitfalls and Rules of Thumb

• قرار دادن طبقه بندی کننده ها در تولید Putting Classifiers into Production

• رویکرد یادگیری عمیق به طبقه بندی متن Deep Learning Approach to Text Classification

جاسازی های کلمه Word Embeddings

• جاسازی کلمه چیست؟ What Are Word Embeddings?

• تکنیک های اصلی Main Techniques

• آموزش مدل Word2Vec Training a Word2Vec Model

• تجسم یک مدل جاسازی کلمه آموزش دیده Visualizing a Trained Word Embedding Model

• X2Vec X2Vec

سایر موضوعات ML با متن Other ML Topics with Text

• دوخت این همه با هم Stitching It All Together

• مدل سازی موضوع Topic Modelling

• تولید متن Text Generation

• ترجمه ماشینی Machine Translation

• بیشتر خواندن Further Reading

• بسته شدن Closing