پردازش زبان طبیعی با پروژه های دنیای واقعی [ویدئو]

Natural Language Processing with Real-World Projects [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: شما یاد خواهید گرفت که چگونه ماشین ها را می توان برای درک زبانی که انسان ها برای تعامل استفاده می کنند آموزش داد. شما با بسیاری از الگوریتم‌های NLP مواجه خواهید شد که مدل‌های محاسباتی را در مورد پردازش واژگانی و پردازش نحوی اولیه آموزش می‌دهند. مکانیسمی را که مترجم گوگل برای درک زمینه زبان و تبدیل به زبانی دیگر استفاده می کند، یاد خواهید گرفت. شما با استفاده از یک ابزار متن باز، Rasa، یک ربات چت خواهید ساخت که یک مکالمه مبتنی بر متن و صدا است که پیام ها را درک می کند، مکالمات را نگه می دارد و به کانال های پیام رسانی و API ها متصل می شود. همچنین یاد خواهید گرفت که مدلی را که در NLU ایجاد کرده اید آموزش دهید. دستگاه را نمی توان برای درک یا پردازش داده ها توسط برنامه های سنتی رمزگذاری شده دستی که به شدت به شرایط بسیار خاص متکی هستند آموزش دید. لحظه ای که تغییری در ورودی ایجاد می شود، برنامه دستی کدگذاری شده بی فایده می شود. بنابراین، به جای نیاز به کدگذاری مکالمات احتمالی، به مدلی نیاز داریم که سیستم را قادر می‌سازد تا زمینه را درک کند. دانش قبلی در مورد یادگیری ماشین و یادگیری عمیق مفید است. اگر نه، ما تمام پیش نیازهای مورد نیاز را در خود دوره پوشش داده ایم. در پایان دوره، شما قادر خواهید بود مدل‌های NLP بسازید که می‌توانند بلوک‌های متن را برای استخراج مهم‌ترین ایده‌ها خلاصه کنند، تجزیه و تحلیل احساسات برای استخراج احساسات از یک بلوک متن معین و شناسایی نوع موجودیت استخراج‌شده. تمام پروژه های موجود در این دوره پروژه های دنیای واقعی هستند. تمامی کدها و فایل های پشتیبانی این دوره در آدرس زیر موجود است: https://github.com/PacktPublishing/Natural-Language-Processing-with-Real-World-Projects Introduction to NLP, Regex, and lexical processing پردازش نحوی مقدماتی، متوسط ​​و پیشرفته را بیاموزید پیاده سازی پردازش نحوی در یک پروژه دنیای واقعی روش احتمالی را بیاموزید آموزش پیاده سازی تجزیه در NLP در مورد مدل دستور زبان CFG/PCFG بیاموزید دانشجویانی که به دنبال شروع حرفه ای در علم داده هستند، متخصصان کار با آشنایی با یادگیری عمیق، توسعه دهندگانی که به دنبال ایجاد ربات های چت، کار بر روی پروژه های الکسا و گوگل هوم هستند از این دوره بهره مند خواهند شد. تسلط بر پردازش زبان طبیعی با استفاده از پایتون * مسلط به یادگیری ماشینی در پایتون * ایجاد پایه ای برای پایتون، یادگیری ماشینی و یادگیری عمیق در بخش پیش نیاز

سرفصل ها و درس ها

مقدمه ای بر NLP (پردازش زبان طبیعی) و Regex Introduction to NLP (Natural Language Processing) and Regex

  • مقدمه ای بر NLP Introduction to NLP

  • داده های متنی: قسمت 1 Text Data: Part 1

  • داده های متنی: قسمت 2 Text Data: Part 2

  • رمزگذاری متن Text Encoding

  • بیان منظم: قسمت 1 Regular Expression: Part 1

  • بیان منظم: قسمت 2 Regular Expression: Part 2

  • بیان منظم: قسمت 3 Regular Expression: Part 3

  • بیان منظم: قسمت 4 Regular Expression: Part 4

  • بیان منظم: قسمت 5 Regular Expression: Part 5

  • بیان منظم: قسمت 6 Regular Expression: Part 6

  • عبارت منظم: Use Case Regular Expression: Use Case

مقدمه ای بر پردازش واژگانی Introduction to Lexical Processing

  • کلمات توقف Stopwords

  • تقسیم کلمات Splitting Words

  • کیسه از کلمات Bag-of-Words

  • مدیریت کلمات متنی مشابه: قسمت 1 Handling Similar Text Words: Part 1

  • مدیریت کلمات متنی مشابه: قسمت 2 Handling Similar Text Words: Part 2

  • مطالعه موردی - 1 Case Study - 1

  • Tf-IDF Tf-IDF

  • مطالعه موردی - 2 Case Study - 2

  • مطالعه موردی - 3 Case Study - 3

پردازش واژگانی پیشرفته Advanced Lexical Processing

  • اشتباهات املایی Spelling Mistakes

  • الگوریتم ساندکس Soundex Algorithm

  • مطالعه موردی - 1 Case Study - 1

  • مقابله با اشتباهات املایی Dealing with Spelling Mistakes

  • مطالعه موردی - 2 Case Study - 2

  • مطالعه موردی: اصلاح کننده املا - قسمت 1 Case Study: Spell Corrector - Part 1

  • مطالعه موردی: تصحیح املا - قسمت 2 Case Study: Spell Corrector - Part 2

  • مطالعه موردی: تصحیح املا - قسمت 3 Case Study: Spell Corrector - Part 3

  • مدیریت کلمات ترکیبی مانند دهلی نو Handling Combined Words Like New Delhi

  • مدیریت یک کلمه ترکیبی مانند دهلی نو 2 Handling a Combined Word Like New Delhi 2

پردازش نحوی پایه Basic Syntactic Processing

  • پردازش نحوی چیست؟ What Is Syntactic Processing?

  • تجزیه Parsing

  • گرامر برای جمله انگلیسی: قسمت 1 Grammar for English Sentence: Part 1

  • گرامر برای جمله انگلیسی: قسمت 2 Grammar for English Sentence: Part 2

  • مطالعه موردی: اختصاص گرامر به جمله انگلیسی: قسمت 1 Case Study: Assign Grammar to English Sentence: Part 1

  • مطالعه موردی: اختصاص گرامر به جمله انگلیسی: قسمت 2 Case Study: Assign Grammar to English Sentence: Part 2

پردازش نحوی متوسط Intermediate Syntactic Processing

  • تجزیه تصادفی Stochastic Parsing

  • الگوریتم ویتربی Viterbi Algorithm

  • مدل مارکوف پنهان Hidden Markov Model

  • مشکل رمزگشایی: قسمت 1 Decoding Problem: Part 1

  • مشکل رمزگشایی: قسمت 2 Decoding Problem: Part 2

  • یادگیری مدل مارکوف پنهان Learning Hidden Markov Model

  • مطالعه موردی پردازش نحوی: بخش 1 Case Study on Syntactic Processing: Part 1

  • مطالعه موردی پردازش نحوی: قسمت 2 Case Study on Syntactic Processing: Part 2

  • RNN (شبکه عصبی مکرر) RNN (Recurrent Neural Network)

پردازش نحوی پیشرفته Advanced Syntactic Processing

  • معرفی Introduction

  • مشکل با تجزیه کم عمق Issue with Shallow Parsing

  • گرامر CFG: قسمت 1 CFG Grammar: Part 1

  • CFG Grammar: قسمت 2 CFG Grammar: Part 2

  • بالا به پایین NumPy n تجزیه Top-Dow NumPy n Parsing

  • مطالعه موردی در مورد پردازش نحوی پیشرفته: بخش 1 Case Study on Advanced Syntactic Processing: Part 1

  • پایین به بالا Bottom Up

  • مطالعه موردی در مورد پردازش نحوی پیشرفته: قسمت 2 Case Study on Advanced Syntactic Processing: Part 2

  • مسائل عملی با رویکرد فوق Practical Issues with the Above Approach

  • PCFG PCFG

رویکرد احتمالی Probabilistic Approach

  • گرامر احتمالی CFG Probabilistic CFG Grammar

  • مطالعه موردی Case Study

  • فرم معمولی چامسکی Chomsky Normal Form

  • تجزیه وابستگی: قسمت 1 Dependency Parsing: Part 1

  • تجزیه وابستگی: قسمت 2 Dependency Parsing: Part 2

پردازش نحوی با پروژه دنیای واقعی Syntactic Processing with Real-World Project

  • مقدمه ای بر پروژه استخراج اطلاعات: قسمت 1 Introduction to Information Extraction Project: Part 1

  • مطالعه موردی: قسمت 2 Case Study: Part 2

  • مطالعه موردی: قسمت 3 Case Study: Part 3

  • مطالعه موردی: قسمت 4 Case Study: Part 4

  • مطالعه موردی: قسمت 5 Case Study: Part 5

  • مطالعه موردی: قسمت 6 Case Study: Part 6

  • مطالعه موردی: قسمت 7 Case Study: Part 7

مقدمه ای بر پردازش معنایی Introduction to Semantic Processing

  • معرفی Introduction

  • مفاهیم Concepts

  • وجود، موجودیت Entity

  • آریتی Arity

  • ریفیکاسیون Reification

  • طرحواره Schema

  • انجمن های معنایی: بخش 1 Semantic Associations: Part 1

  • انجمن های معنایی: قسمت 2 Semantic Associations: Part 2

  • اصطلاحات و مفاهیم Terms and Concepts

  • اصل ترکیب Principle of Composition

  • ورد نت WordNet

  • ابهام زدایی حس کلمه Word Sense Disambiguation

  • مطالعه موردی Case Study

پردازش معنایی پیشرفته: بخش 1 Advanced Semantic Processing: Part 1

  • مقدمه ای بر معناشناسی توزیعی Introduction to Distributional Semantics

  • معناشناسی توزیعی Distributional Semantics

  • ماتریس وقوع: قسمت 1 Occurrence Matrix: Part 1

  • ماتریس وقوع: قسمت 2 Occurrence Matrix: Part 2

  • ماتریس وقوع همزمان Co-Occurrence Matrix

  • وکتورهای کلمه: قسمت 1 Word Vectors: Part 1

  • متریک فاصله Distance Metric

  • وکتورهای کلمه: قسمت 2 Word Vectors: Part 2

  • درک جاسازی کلمات Understanding Word Embeddings

پردازش معنایی پیشرفته: قسمت 2 Advanced Semantic Processing: Part 2

  • LSA - تحلیل معنایی پنهان LSA - Latent Semantic Analysis

  • مطالعه موردی با LSA Case Study with LSA

  • Word2vec: قسمت 1 Word2vec: Part 1

  • Word2vec: قسمت 2 Word2vec: Part 2

  • مطالعه موردی: LSA Case Study: LSA

  • مطالعه موردی: Word2vec: قسمت 1 Case Study: Word2vec: Part 1

  • مطالعه موردی: Word2vec: قسمت 2 Case Study: Word2vec: Part 2

  • مطالعه موردی: Word2vec: قسمت 3 Case Study: Word2vec: Part 3

  • مطالعه موردی: Word2vec: قسمت 4 Case Study: Word2vec: Part 4

  • مطالعه موردی: طبقه بندی: قسمت 1 Case Study: Classification: Part 1

  • مطالعه موردی: طبقه بندی: قسمت 2 Case Study: Classification: Part 2

پیش نیاز - اصول پایتون Prerequisite - Python Fundamentals

  • نصب پایتون و آناکوندا Installation of Python and Anaconda

  • مقدمه پایتون Python Introduction

  • متغیرها در پایتون Variables in Python

  • عملیات عددی در پایتون Numeric Operations in Python

  • عملیات منطقی Logical Operations

  • اگر دیگر حلقه If Else Loop

  • برای حلقه while For While Loop

  • کارکرد Functions

  • رشته ها: قسمت 1 Strings: Part 1

  • رشته ها: قسمت 2 Strings: Part 2

  • لیست: قسمت 1 List: Part 1

  • لیست: قسمت 2 List: Part 2

  • لیست: قسمت 3 List: Part 3

  • لیست: قسمت 4 List: Part 4

  • تاپل ها Tuples

  • مجموعه ها Sets

  • لغت نامه ها Dictionaries

  • درک مطلب Comprehension

پیش نیاز - NumPy Prerequisite - NumPy

  • معرفی Introduction

  • عملیات NumPy: قسمت 1 NumPy Operations: Part 1

  • عملیات NumPy: قسمت 2 NumPy Operations: Part 2

پیش نیاز - پانداها Prerequisite - Pandas

  • معرفی Introduction

  • سلسله Series

  • DataFrame DataFrame

  • عملیات: قسمت 1 Operations: Part 1

  • عملیات: قسمت 2 Operations: Part 2

  • شاخص ها Indexes

  • loc و iloc loc and iloc

  • خواندن CSV Reading CSV

  • ادغام: قسمت 1 Merging: Part 1

  • دسته بندی بر اساس groupby

  • ادغام: قسمت 2 Merging: Part 2

  • جداول محوری Pivot Tables

پیش نیاز - کمی سرگرمی با ریاضی Prerequisite - Some Fun with Math

  • جبر خطی: بردارها Linear Algebra: Vectors

  • جبر خطی: ماتریس: قسمت 1 Linear Algebra: Matrix: Part 1

  • جبر خطی: ماتریس: قسمت 2 Linear Algebra: Matrix: Part 2

  • جبر خطی: رفتن از 2 بعدی به nD: قسمت 1 Linear Algebra: Going from 2D to nD: Part 1

  • جبر خطی: رفتن از 2 بعدی به nD: قسمت 2 Linear Algebra: Going from 2D to nD: Part 2

پیش نیاز - تجسم داده ها Prerequisite - Data Visualization

  • Matplotlib Matplotlib

  • متولد دریا Seaborn

  • مطالعه موردی Case Study

  • Seaborn در داده های سری زمانی Seaborn on Time Series Data

پیش نیاز - رگرسیون خطی ساده Prerequisite - Simple Linear Regression

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • انواع یادگیری ماشینی Types of Machine Learning

  • مقدمه ای بر رگرسیون خطی (LR) Introduction to Linear Regression (LR)

  • LR چگونه کار می کند؟ How LR Works?

  • کمی سرگرمی با ریاضیات پشت LR Some Fun with Math Behind LR

  • میدان آر R Square

  • مطالعه موردی LR: قسمت 1 LR Case Study: Part 1

  • مطالعه موردی LR: قسمت 2 LR Case Study: Part 2

  • مطالعه موردی LR: قسمت 3 LR Case Study: Part 3

  • خطای مربع باقیمانده (RSE) Residual Square Error (RSE)

پیش نیاز - گرادیان نزول Prerequisite - Gradient Descent

  • پیش نیاز برای نزول گرادیان: قسمت 1 Prerequisite for Gradient Descent: Part 1

  • پیش نیاز برای نزول گرادیان: قسمت 2 Prerequisite for Gradient Descent: Part 2

  • توابع هزینه Cost Functions

  • تعریف رسمی تر توابع هزینه Defining Cost Functions More Formally

  • گرادیان نزول Gradient Descent

  • بهينه سازي Optimization

  • d فرم در مقابل نزول گرادیان d Form Versus Gradient Descent

  • مطالعه موردی نزول گرادیان Gradient Descent Case Study

پیش نیاز - طبقه بندی: KNN Prerequisite - Classification: KNN

  • مقدمه ای بر طبقه بندی Introduction to Classification

  • تعریف طبقه بندی ریاضی Defining Classification Mathematically

  • مقدمه ای بر KNN Introduction to KNN

  • دقت KNN Accuracy of KNN

  • اثربخشی KNN Effectiveness of KNN

  • متریک فاصله Distance Metrics

  • معیارهای فاصله: قسمت 2 Distance Metrics: Part 2

  • پیدا کردن ک Finding k

  • KNN در رگرسیون KNN on Regression

  • مطالعه موردی Case Study

  • مورد طبقه بندی 1 Classification Case 1

  • طبقه بندی مورد 2 Classification Case 2

  • طبقه بندی مورد 3 Classification Case 3

  • طبقه بندی مورد 4 Classification Case 4

پیش نیاز - رگرسیون لجستیک Prerequisite - Logistic Regression

  • معرفی Introduction

  • تابع سیگموئید Sigmoid Function

  • شانس ورود به سیستم Log Odds

  • مطالعه موردی Case Study

پیش نیاز - الگوریتم های پیشرفته یادگیری ماشین Prerequisite - Advanced Machine Learning Algorithms

  • معرفی Introduction

  • مثال: قسمت 1 Example: Part 1

  • مثال: قسمت 2 Example: Part 2

  • راه حل بهینه Optimal Solution

  • مطالعه موردی Case Study

  • منظم سازی Regularization

  • ریج و کمند Ridge and Lasso

  • مطالعه موردی Case Study

  • انتخاب مدل Model Selection

  • مربع R تنظیم شده Adjusted R Square

پیش نیاز - مقدمه یادگیری عمیق Prerequisite - Deep Learning introduction

  • معرفی Introduction

  • تاریخچه یادگیری عمیق History of Deep Learning

  • پرسپترون Perceptron

  • پرسپترون چند سطحی Multi-Level Perceptron

  • زمین بازی شبکه عصبی Neural Network Playground

  • نمایندگی ها Representations

  • آموزش شبکه عصبی: قسمت 1 Training Neural Network: Part 1

  • آموزش شبکه عصبی: قسمت 2 Training Neural Network: Part 2

  • آموزش شبکه عصبی: قسمت 3 Training Neural Network: Part 3

  • تابع فعال سازی Activation Function

نمایش نظرات

پردازش زبان طبیعی با پروژه های دنیای واقعی [ویدئو]
جزییات دوره
31 h 19 m
198
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Geekshub Pvt. Ltd. Geekshub Pvt. Ltd.

Geekshub یک شرکت آموزش آنلاین در زمینه داده های بزرگ و تجزیه و تحلیل است. هدف آنها به عنوان یک تیم این است که بهترین مجموعه مهارت را به مشتریان خود ارائه دهند تا آنها را برای کار آماده کنند و آنها را برای مقابله با هر چالشی آماده کنند. آنها بهترین مربیان را برای فناوری های پیشرفته مانند یادگیری ماشینی، یادگیری عمیق، پردازش زبان طبیعی (NLP)، یادگیری تقویتی و علم داده دارند. مربیان آنها افرادی هستند که از IIT، MIT و Standford فارغ التحصیل شده اند. آنها مشتاق آموزش موضوعات با استفاده از مطالعات موردی در دنیای واقعی هستند که تجربه یادگیری دانش آموزان را کالیبره می کند.

Geekshub Pvt. Ltd. Geekshub Pvt. Ltd.

Geekshub یک شرکت آموزش آنلاین در زمینه داده های بزرگ و تجزیه و تحلیل است. هدف آنها به عنوان یک تیم این است که بهترین مجموعه مهارت را به مشتریان خود ارائه دهند تا آنها را برای کار آماده کنند و آنها را برای مقابله با هر چالشی آماده کنند. آنها بهترین مربیان را برای فناوری های پیشرفته مانند یادگیری ماشینی، یادگیری عمیق، پردازش زبان طبیعی (NLP)، یادگیری تقویتی و علم داده دارند. مربیان آنها افرادی هستند که از IIT، MIT و Standford فارغ التحصیل شده اند. آنها مشتاق آموزش موضوعات با استفاده از مطالعات موردی در دنیای واقعی هستند که تجربه یادگیری دانش آموزان را کالیبره می کند.