آموزش مبانی ساخت چت‌بات با یادگیری ماشین و پایتون - آخرین آپدیت

دانلود Basics of Chatbots with Machine Learning & Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و لحظه‌ای که به شما کمک می‌کند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشرفت در دوره، درک خود را عمیق‌تر کنید. این دوره آموزشی، کاوشی جامع در زمینه چت‌بات‌ها و توسعه آن‌ها با استفاده از یادگیری ماشین (Machine Learning) و زبان برنامه‌نویسی پایتون ارائه می‌دهد. شما با مقدمه‌ای بر چت‌بات‌ها، شامل تاریخچه و کاربردهای متنوع آن‌ها در صنایع مختلف شروع خواهید کرد. سپس دوره به بررسی تفاوت‌های بین چت‌بات‌ها، دستیارهای مجازی و دستیارهای شخصی پرداخته و نمای کلی جامعی از مزایا و چالش‌های هر یک ارائه می‌دهد. در ادامه، تمرکز شما بر چت‌بات‌های مبتنی بر یادگیری ماشین خواهد بود و معماری، ویژگی‌ها و تاثیر انقلابی ML بر خدمات مشتریان، مراقبت‌های بهداشتی و موارد دیگر را بررسی خواهید کرد. شما با کار با کتابخانه NLTK برای توسعه چت‌بات‌های مبتنی بر قانون (Rule-based)، تجربه عملی کسب می‌کنید و مباحث ضروری مانند ورودی داده‌ها، توکنایز کردن کلمات (Tokenization)، ریشه‌یابی (Lemmatization) و تولید پاسخ را فرا می‌گیرید. این دوره همچنین مفاهیم پیشرفته‌ای مانند ادغام جستجوی ویکی‌پدیا و مکانیزم‌های جستجوی محلی را پوشش می‌دهد تا شما را قادر سازد چت‌بات‌هایی قدرتمندتر و تعاملی‌تر بسازید. در نهایت، تمام آموخته‌های خود را در یک پروژه عملی به کار خواهید گرفت و یک چت‌بات گفتگوکننده را از صفر توسعه می‌دهید. شما فرآیندهای جمع‌آوری داده‌ها، پیش‌پردازش و تولید پاسخ را با استفاده از تکنیک‌های پیشرفته‌ای مانند TF-IDF و شباهت کسینوسی (Cosine Similarity) مدیریت خواهید کرد. در پایان، شما یک چت‌بات کاملاً عملیاتی خواهید داشت و درک عمیقی از اصول و روش‌های توسعه چت‌بات کسب می‌کنید که شما را برای بهره‌گیری از هوش مصنوعی در کاربردهای واقعی آماده می‌کند. این دوره برای توسعه‌دهندگان نرم‌افزار، دانشمندان داده و علاقه‌مندان به هوش مصنوعی که می‌خواهند با پایتون و یادگیری ماشین چت‌بات بسازند، ایده‌آل است. داشتن دانش پایه در برنامه‌نویسی پایتون الزامی است و آشنایی با مفاهیم یادگیری ماشین مفید خواهد بود اما اجباری نیست.

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره و مدرس Course and Instructor Introduction

  • مقدمه‌ای بر علوم هوش مصنوعی AI Sciences Introduction

  • توضیحات دوره Course Description

  • چت‌بات‌های مبتنی بر ML ML-Based Chatbots

  • چت‌بات‌های گفتگوکننده Conversational Chatbots

نمای کلی چت‌بات‌ها Overview of Chatbots

  • نمای کلی ماژول Module Overview

  • تاریخچه چت‌بات‌ها History of Chatbots

  • کاربردهای چت‌بات‌ها Applications of Chatbots

  • مقایسه چت‌بات‌ها، دستیارهای مجازی و دستیارهای شخصی Chatbots Versus Virtual Assistants Versus Personal Assistants

  • مزایای چت‌بات‌ها Benefits of Chatbots

  • چرا شرکت‌ها باید از چت‌بات استفاده کنند Why Should Companies Pick Chatbots

  • انواع چت‌بات‌ها Chatbot Types

  • چت‌بات‌های مبتنی بر قانون Rule-Based Chatbots

  • چت‌بات‌های خودآموز Self-Learning Chatbots

  • مکانیزم عملکرد چت‌بات‌ها Mechanism of Chatbots

  • چالش‌های چت‌بات‌ها Challenges of Chatbots

  • آزمون Quiz

  • پاسخ‌های آزمون Quiz Solution

چت‌بات‌های مبتنی بر یادگیری ماشین Machine Learning-Based Chatbots

  • مقدمه ماژول Module Introduction

  • نمای کلی ماژول Module Overview

  • معماری چت‌بات‌های ML Architecture of ML Chatbots

  • ویژگی‌های فعال‌شده توسط ML ML Enabled Features

  • انقلاب با یادگیری ماشین Revolution with ML

  • ویژگی‌های کتابخانه NLTK NLTK Features

  • چت‌بات‌های مبتنی بر قانون Rule-Based Chatbots

  • نصب پکیج‌ها Package Installation

  • ورودی داده‌ها Data Input

  • توکن‌های کلمات و حذف ASCII Word Tokens and Remove ASCII

  • حذف تگ‌ها و ریشه‌یابی کلمات Remove Tags and Lemmatize

  • سلام و احوالپرسی چت‌بات Chatbot Greets

  • تولید پاسخ Response Generation

  • جستجوی ویکی‌پدیا Wiki Search

  • توسعه نتایج Developing Results

  • جستجوی محلی و جستجوی ویکی‌پدیا Local Search and Wikipedia Search

پروژه: توسعه چت‌بات گفتگوکننده با یادگیری ماشین Project: Conversational Chatbot Development with Machine Learning

  • مقدمه ماژول Module Introduction

  • نمای کلی پروژه و پکیج‌ها Project Overview and Packages

  • دریافت داده‌ها Getting the Data

  • حذف داده‌های زائد Elimination

  • توکنایز کردن (Tokenization) Tokenization

  • ریشه‌یابی و متن پردازش شده Lemmatization and Processed Text

  • تابع سلام و احوالپرسی Greeting Function

  • تولید پاسخ Generate Response

  • پایان گفتگو با بات Bot Finishing

  • تست نهایی بات Testing the Bot

نمایش نظرات

آموزش مبانی ساخت چت‌بات با یادگیری ماشین و پایتون
جزییات دوره
4h 57m
44
(آخرین آپدیت)
249
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده