آموزش تجزیه و تحلیل متن و پردازش زبان طبیعی با پایتون

Text Analysis and Natural Language Processing With Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: از Python و Google CoLab برای کاوی رسانه های اجتماعی و تجزیه و تحلیل متن و پردازش زبان طبیعی (NLP) استفاده کنید دانش آموزان می توانند داده ها را از منابع مختلف بخوانند - از جمله وب سایت ها و رسانه های اجتماعی استخراج رسانه های اجتماعی از توییتر استخراج اطلاعات مربوط به توییت ها و پست ها تجزیه و تحلیل متن داده ها برای احساسات انجام تجزیه و تحلیل احساسات پیاده سازی پردازش زبان طبیعی (NLP) بر روی انواع مختلف داده های متنی آشنایی با برخی از رایج ترین بسته های تجزیه و تحلیل متن پایتون سودمند خواهد بود باید علاقه مند به استخراج داده های متنی بدون ساختار از رسانه های اجتماعی و وب سایت ها باید علاقه مند به استخراج Qinsights از تجزیه و تحلیل متن باید علاقه مند به استفاده از مدل های یادگیری ماشینی بر روی داده های متنی

در آخرین دوره آموزشی من در مورد نحوه یادگیری همه چیز در مورد پردازش زبان طبیعی رسانه های اجتماعی پایتون (NLP) ثبت نام کنید

  • آیا می‌خواهید از قدرت رسانه‌های اجتماعی برای تصمیم‌گیری مالی استفاده کنید؟

  • آیا به دنبال کسب برتری در زمینه های خرده فروشی، فروش آنلاین، خدمات املاک و مستغلات و موقعیت جغرافیایی هستید؟

  • آیا می‌خواهید داده‌های بدون ساختار را از رسانه‌های اجتماعی و صفحات وب به اطلاعات بینش واقعی تبدیل کنید؟

  • آیا می‌خواهید تجزیه و تحلیل‌ها و تجسم‌های پیشرفته را توسعه دهید تا از میلیون‌ها پست توییتر که هر روز ظاهر می‌شوند استفاده کنید؟

کسب مهارت در کاوی رسانه‌های اجتماعی می‌تواند به شما کمک کند از قدرت داده‌ها و اطلاعات آزادانه موجود در وب جهانی (از جمله سایت‌های رسانه‌های اجتماعی محبوب مانند توییتر) استفاده کنید و آن را به بینش‌های عملی تبدیل کنید

دوره من یک آموزش عملی با استخراج رسانه های اجتماعی واقعی پایتون است- شما می آموزید که تجزیه و تحلیل متن و پردازش زبان طبیعی (NLP) را برای به دست آوردن بینش از داده های متنی بدون ساختار، از جمله توییت ها انجام دهید

دوره آموزشی من پایه‌ای برای انجام استخراج عملی و واقعی رسانه‌های اجتماعی فراهم می‌کند. با گذراندن این دوره، شما یک گام مهم رو به جلو در سفر علم داده خود برداشته اید تا در استفاده از قدرت رسانه های اجتماعی برای استخراج بینش و شناسایی روندها متخصص شوید.

چرا باید در دوره من شرکت کنید؟

من مدرک کارشناسی ارشد (جغرافیا و محیط زیست) از دانشگاه آکسفورد، انگلستان دارم. من همچنین دکترای شدید علوم داده را در دانشگاه کمبریج (اکولوژی و حفاظت گرمسیری) به پایان رساندم.

من چندین سال تجربه در تجزیه و تحلیل داده های واقعی از منابع مختلف و تولید نشریات برای مجلات معتبر بین المللی دارم.

این دوره به شما کمک می‌کند در جنبه‌های مختلف تحلیل متن و NLP از طریق نمونه‌های واقعی توییت‌های ارزهای دیجیتال و اخبار مالی با استفاده از یک محیط قدرتمند پایتون مبتنی بر ابری به نام GoogleColab، تسلط داشته باشید. به طور خاص، شما

را انجام خواهید داد
  • در راه اندازی و استفاده از Google CoLab برای وظایف علوم داده پایتون مهارت کسب کنید

  • کارهای رایج استخراج رسانه های اجتماعی مانند به دست آوردن توییت ها (به عنوان مثال توییت های مربوط به بیت کوین) را انجام دهید

  • با صفحات وب پیچیده کار کنید و اطلاعات را استخراج کنید

  • اطلاعات متنی استخراج شده را به شکل قابل استفاده از طریق تکنیک های پیش پردازش پیاده سازی شده از طریق بسته های قدرتمند پایتون مانند NTLK پردازش کنید

  • پایه بندی کامل در تجزیه و تحلیل متن و بسته های Python مربوط به NLP مانند NTLK، Snscrape و سایر موارد

  • کارهای رایج تجزیه و تحلیل متن مانند تجزیه و تحلیل احساسات

    را انجام دهید
  • تکنیک‌های یادگیری ماشین و هوش مصنوعی را روی داده‌های متنی پیاده‌سازی کنید

شما بر روی مطالعات موردی کوچک عملی مربوط به (الف) استخراج و پیش پردازش توییت‌ها از کاربران خاص و موضوعات مربوط به ارزهای دیجیتال (ب) شناسایی احساسات توییت‌های ارزهای دیجیتال (ج) دسته‌بندی توییت‌های خود با استفاده از مدل‌های یادگیری ماشین کار خواهید کرد./p>

علاوه بر همه موارد فوق، شما از حمایت مستمر من برخوردار خواهید بود تا مطمئن شوید که بیشترین سود را از سرمایه گذاری خود می برید!

اکنون ثبت نام کنید :)


سرفصل ها و درس ها

مقدمه ای بر کاوی رسانه های اجتماعی با پایتون Introduction To Social Media Mining With Python

  • به دوره خوش آمدید Welcome to the Course

  • داده و کد Data and Code

  • نصب پایتون Python Installation

  • Google CoLab چیست؟ What Is Google CoLab?

  • Google Colabs و GPU Google Colabs and GPU

  • بسته های Google Colab Google Colab Packages

پیش پردازش داده های پایه Basic Data Preprocessing

  • پاندا چیست؟ What Is Pandas?

  • پاکسازی اولیه داده ها با پانداها Basic Data Cleaning With Pandas

  • مبانی تجسم داده ها Basics of Data Visualization

به رسانه های اجتماعی خوش آمدید Welcome To Social Media

  • آیا رسانه های اجتماعی می توانند مفید باشند؟: مورد توییتر Can Social Media Be Useful?: The Case of Twitter

استخراج توییت ها (بدون API) Extracting Tweets (Without An API)

  • دریافت توییت بدون حساب توییتر Obtaining Tweets Without A Twitter Account

  • بیایید انگشتان پا را در توییتر فرو کنیم Lets Dip Our Toes Into Twitter

  • توییت ایلان ماسک را دریافت کنید Get Elon Musk's Tweet

  • محبوب ترین توییت های یک کاربر را دریافت کنید Obtain The Most Popular Tweets of a User

  • توییت هایی را برای یک کاربر بین یک تاریخ خاص دریافت کنید Obtain Tweets For A User Between A Certain Date

  • با یک اصطلاح خاص جستجو کنید Look With For With a Specific Term

  • توییت های بیت کوین ایلان ماسک Elon Musk's Bitcoin Tweets

  • توییت‌ها از یک مکان Tweets From a Location

  • توییت‌ها از مکان‌های مختلف Tweets From Multiple Locations

  • توییت‌ها از مکان‌های مختلف و شرایط چندگانه Tweets From Multiple Locations and Multiple Terms

  • راه دیگری برای به دست آوردن توییت Another Way of Obtaining Tweets

  • توییت های Snscrape بیشتر More Snscrape Tweets

راه های دیگر به دست آوردن داده های متنی Other Ways of Obtaining Textual Data

  • API چیست؟ What is API?

  • استفاده از API: ایستگاه های MRT سنگاپور Using APIs: Singapore MRT Stations

  • عناوین اخبار مالی را دریافت کنید Obtain Financial News Headlines

  • دریافت داده های متنی از Reddit Obtaining Textual Data From Reddit

پیش پردازش داده های متنی پایه Basic Textual Data Preprocessing

  • مقدمه ای بر نظریه Introduction to Theory

  • بیایید شروع به پاک کردن متن کنیم Lets Start Cleaning The Text

  • متن پاک شده نهایی Final Cleaned Text

  • عملکردی برای تمیز کردن متن A Function For Text Cleaning

  • پاکسازی متن بیشتر More Text Cleaning

  • یکی دیگر از گردش کار مبتنی بر NTLK Another NTLK-Based Workflow

کاوش داده های متنی Exploring Text Data

  • طول توییت Tweet Lengths

  • نحوه تعامل مردم با توییت ها How People Interact With Tweets

  • از منشن ها و هشتگ ها Of Mentions and Hashtags

  • محبوب ترین هشتگ ها را شناسایی کنید Identify The Most Popular Hashtags

  • رایج ترین نام های کاربری را شناسایی کنید Identify the Most Common Usernames

  • Wordclouds چیست؟ What Are Wordclouds?

  • پایه Wordcloud-Install Basic Wordcloud-Install

  • یک Wordcloud اولیه A Basic Wordcloud

  • تعداد کلمات رایج کلمات Word Count of Common Words

  • N-گرم N-Grams

  • شبکه بیگرام Network of Bigrams

  • مدلسازی موضوع با جنسیم Topic Modelling With Gensim

کاوش در احساسات Exploring Sentiments

  • قطبیت متن را شناسایی کنید Identify the Polarity of Text

  • قطبیت: مثبت یا منفی Polarity: Positive or Negative

  • برخورد با خرما Dealing With Dates

  • مقدمه ای بر تحلیل احساسات VADER Introduction to VADER Sentiment Analysis

  • برخورد با خرما Dealing With Dates

  • احساس VADER برای اخبار مالی VADER Sentiment For Financial News

  • احساسات را تجسم کنید Visualise the Sentiments

یادگیری ماشین و یادگیری عمیق برای داده های متنی Machine Learning and Deep learning For Text Data

  • یادگیری ماشینی چیست؟ What Is Machine Learning?

  • پیش پردازش-مثال اسباب بازی Preprocessing-Toy Example

  • یک مدل یادگیری ماشینی ساده بر روی داده های متنی A Simple Machine Learning Model on Textual Data

  • پیش بینی حرکت قیمت سهام بر اساس عناوین روزنامه ها Predicting Stock Price Movements Based On Newspaper Headlines

  • یادگیری بدون نظارت با الگوریتم K-Means Unsupervised Learning With K-Means Algorithm

  • شناسایی خوشه های متنی با K-means Identifying Textual Clusters With K-means

  • خوشه بندی متنی مبتنی بر DBSCAN DBSCAN Based Textual Clustering

  • دسته بندی احساسات توییت-GBM Classify the Tweet Sentiment-GBM

  • نصب کراس-ویندوز Keras Installation-Windows

  • نصب Keras-Mac Keras Installation-Mac

  • حافظه کوتاه مدت بلند مدت (LSTM): تئوری Long short-term memory (LSTM): Theory

  • پایین آمدن مختصر در مورد جاسازی های ورد Brief Lowdown on Word Embeddings

  • LSTM برای طبقه بندی احساسات توییت-1 LSTM For Classifying Tweet Sentiment-1

اطلاعات متفرقه Miscellaneous Information

  • Lets Do Dictionary Lets Do Dictionaries

  • برنامه FourSquare را راه اندازی کنید Set up the FourSquare App

  • خلاصه سازی متن با AI-مطالعه موردی Text Summarisation With AI-Case Study

  • از NLP و ChatGPT Of NLP and ChatGPT

نمایش نظرات

آموزش تجزیه و تحلیل متن و پردازش زبان طبیعی با پایتون
جزییات دوره
5 hours
68
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
922
4.4 از 5
ندارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم