لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پردازش زبان طبیعی - جاسازی ها و پیش پردازش متن در پایتون [ویدئو]
Natural Language Processing - Embeddings and Text Preprocessing in Python [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، شما سفری را در میان مفاهیم اساسی و کاربردهای عملی پردازش زبان طبیعی (NLP) در پایتون آغاز خواهید کرد. با شروع با تعاریف اولیه، به سرعت به درک اهمیت مدل های برداری در NLP خواهید رسید. ویدیوهای ما شما را از طریق تکنیکهای ضروری مانند نشانهسازی، ریشهیابی، واژهسازی و استفاده از کلمات توقف راهنمایی میکنند و اطمینان میدهند که پیچیدگیهای پیشپردازش متن را درک میکنید.
همانطور که پیشرفت می کنید، به مدل های برداری پیشرفته تر کاوش خواهید کرد. در مورد مدل Bag of Words، Count Vectorizer و TF-IDF، هم در تئوری و هم از طریق نمایش کدگذاری عملی، بیاموزید. شما همچنین دنیای جذاب شباهت برداری و نگاشت کلمه به نمایه را کاوش خواهید کرد و شما را با دانش مدیریت داده های متنی پیچیده مجهز می کند. یک تمرین تعاملی در مورد سیستم های توصیه گر شما را به چالش می کشد تا این مفاهیم را در یک سناریوی عملی به کار ببرید.
این دوره با مقدمه ای بر جاسازی کلمات عصبی به اوج خود می رسد و نگاهی اجمالی به آینده NLP ارائه می دهد. شما این تکنیک های قدرتمند را در عمل خواهید دید و درک خواهید کرد که چگونه می توان آنها را به زبان های مختلف فراتر از انگلیسی به کار برد. علاوه بر این، این دوره شامل منابع ارزشمندی در مورد راهاندازی محیط پایتون شما و کمک اضافی به کدنویسی پایتون است که آن را برای زبانآموزان در سطوح مختلف مهارت مناسب میکند. تکنیک های اولیه پیش پردازش متن را درک کرده و به کار ببرید
مدل های Bag of Words، Count Vectorizer و TF-IDF را پیاده سازی کنید
حذف ریشه، واژهسازی و کلید واژهها را انجام دهید
شباهت برداری و نگاشت کلمه به نمایه را کاوش کنید
از جاسازی کلمات عصبی در برنامه های NLP استفاده کنید
ساخت و ارزیابی سیستمهای توصیهکننده متن با استفاده از TF-IDF این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و توسعهدهندگان نرمافزاری که علاقهمند به تقویت مهارتهای NLP خود هستند طراحی شده است. درک اولیه برنامه نویسی پایتون مورد نیاز است، اما هیچ دانش قبلی از NLP لازم نیست. از تعاریف اولیه NLP گرفته تا مدلهای برداری پیشرفته و تعبیههای عصبی * نمایش برنامهنویسی عملی و تمرینهای تعاملی برای کاربرد در دنیای واقعی * این موضوعات درک قوی از NLP برای مقابله با وظایف پیچیده NLP و تقویت مهارتهای پردازش داده را ارائه میدهند.
سرفصل ها و درس ها
خوش آمدی
Welcome
مقدمه و طرح کلی
Introduction and Outline
پیشنهاد ویژه
Special Offer
راه اندازی
Getting Set Up
از کجا می توان کد را دریافت کرد
Where To Get the Code
چگونه در این دوره موفق شویم
How To Succeed in This Course
مدل های برداری و پیش پردازش متن
Vector Models and Text Preprocessing
تعاریف اساسی برای NLP
Basic Definitions for NLP
وکتور چیست؟
What is a Vector?
کیسه کلمات
Bag of Words
شمارش بردار (نظریه)
Count Vectorizer (Theory)
توکن سازی
Tokenization
کلمات توقف
Stopwords
ریشه زایی و لماتی سازی
Stemming and Lemmatization
نسخه ی نمایشی ریشه یابی و واژه سازی
Stemming and Lemmatization Demo
نحوه ساخت TF-IDF از ابتدا
How to Build TF-IDF From Scratch
با نگاه به آینده
Looking Ahead
تعبیه کلمات عصبی
Neural Word Embeddings
نسخه ی نمایشی تعبیه کلمه عصبی
Neural Word Embeddings Demo
نحوه انجام NLP به زبان های دیگر
How To Do NLP In Other Languages
مدل های برداری و خلاصه پیش پردازش متن
Vector Models & Text Preprocessing Summary
تنظیم محیط خود (ضمیمه/سوالات متداول بر اساس درخواست دانشجو)
Setting Up Your Environment (Appendix/FAQ by Student Request)
بررسی قبل از نصب
Pre-Installation Check
تنظیم محیط آناکوندا
Anaconda Environment Setup
نحوه نصب Numpy، Scipy، Matplotlib، Pandas و Tensorflow
How to install Numpy, Scipy, Matplotlib, Pandas, and Tensorflow
کمک اضافی برای برنامه نویسی پایتون برای مبتدیان (پیوست/سؤالات متداول بر اساس درخواست دانشجو)
Extra Help With Python Coding for Beginners (Appendix/FAQ by Student Request)
چگونه خود را کدگذاری کنید (قسمت 1)
How to Code Yourself (part 1)
چگونه خود را کدگذاری کنید (قسمت 2)
How to Code Yourself (part 2)
اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است
Proof that using Jupyter Notebook is the same as not using it
نحوه استفاده از Github و نکات کدنویسی اضافی (اختیاری)
How to use Github & Extra Coding Tips (Optional)
استراتژیهای یادگیری مؤثر برای یادگیری ماشین (پیوست/سؤالات متداول بر اساس درخواست دانشجو)
Effective Learning Strategies for Machine Learning (Appendix/FAQ by Student Request)
چگونه در این دوره موفق شویم (نسخه طولانی)
How to Succeed in this Course (Long Version)
این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟
Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?
دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 1)
What order should I take your courses in? (part 1)
دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 2)
What order should I take your courses in? (part 2)
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.
نمایش نظرات