آموزش پردازش زبان طبیعی با PyTorch

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

پیاده سازی شبکه های عصبی بازگشتی (RNN) در PyTorch Implementing Recurrent Neural Networks (RNNs) in PyTorch

• بررسی نسخه Version Check

• نمای کلی ماژول Module Overview

• پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

• RNN برای پردازش زبان طبیعی RNNs for Natural Language Processing

• نورون های عود کننده Recurrent Neurons

• انتشار برگشتی در طول زمان Back Propagation through Time

• مقابله با ناپدید شدن و انفجار گرادیان Coping with Vanishing and Exploding Gradients

• سلول های حافظه بلند Long Memory Cells

• خلاصه ماژول Module Summary

انجام طبقه بندی متن دودویی با استفاده از کلمات Performing Binary Text Classification Using Words

• نمای کلی ماژول Module Overview

• جاسازی کلمه برای نمایش داده های متنی Word Embeddings to Represent Text Data

• معرفی متن مشعل به پردازش داده های متنی Introducing torchtext to Process Text Data

• تغذیه داده های متنی به RNN Feeding Text Data into RNNs

• راه اندازی و پاکسازی داده ها Setup and Data Cleaning

• استفاده از Torchtext برای پردازش داده های متنی Using Torchtext to Process Text Data

• طراحی یک RNN برای طبقه بندی متن باینری Designing an RNN for Binary Text Classification

• آموزش RNN Training the RNN

• استفاده از LSTM Cells و Dropout Using LSTM Cells and Dropout

• خلاصه ماژول Module Summary

انجام طبقه بندی متون چند کلاسه با استفاده از کاراکترها Performing Multi-class Text Classification Using Characters

• نمای کلی ماژول Module Overview

• پیش بینی زبان بر اساس نام Language Prediction Based on Names

• بارگیری و تمیز کردن داده ها Loading and Cleaning Data

• توابع کمکی برای یک نام کدگذاری داغ Helper Functions to One Hot Encode Names

• طراحی یک RNN برای طبقه بندی متن چند کلاسه Designing an RNN for Multiclass Text Classification

• پیش بینی زبان از روی نام ها Predicting Language from Names

• خلاصه ماژول Module Summary

انجام تجزیه و تحلیل احساسات با استفاده از جاسازی ورد Performing Sentiment Analysis Using Word Embeddings

• نمای کلی ماژول Module Overview

• نمایش عددی کلمات Numeric Representations of Words

• جاسازی های کلمه متن و معنی را می گیرد Word Embeddings Capture Context and Meaning

• ایجاد قیاس با استفاده از جاسازی های GloVe Generating Analogies Using GloVe Embeddings

• RNN های چند لایه Multilayer RNNs

• RNN های دو طرفه Bidirectional RNNs

• پاکسازی و آماده سازی داده ها Data Cleaning and Preparation

• طراحی یک RNN چند لایه دو جهته Designing a Multilayer Bidirectional RNN

• انجام تحلیل احساسات با استفاده از RNN Performing Sentiment Analysis Using an RNN

• خلاصه ماژول Module Summary

انجام ترجمه زبان با استفاده از مدل‌های ترتیب به ترتیب Performing Language Translation Using Sequence-to-Sequence Models

• نمای کلی ماژول Module Overview

• استفاده از دنباله ها و بردارها با RNN Using Sequences and Vectors with RNNs

• ترجمه زبان با استفاده از رمزگذارها و رمزگشاها Language Translation Using Encoders and Decoders

• بازنمایی جملات ورودی و هدف Representing Input and Target Sentences

• معلم اجباری Teacher Forcing

• راه اندازی توابع کمکی برای ترجمه زبان Setting up Helper Functions for Language Translation

• آماده سازی جفت جملات Preparing Sentence Pairs

• طراحی انکودر و رمزگشا Designing the Encoder and Decoder

• آموزش مدل دنباله-2-توالی با استفاده از اجبار معلم Training the Sequence-2-Sequence Model Using Teacher Forcing

• ترجمه جملات Translating Sentences

• خلاصه و مطالعه بیشتر Summary and Further Study