آموزش توکن‌گذاری پیشرفته و تحلیل احساسات - آخرین آپدیت

توکن‌گذاری پیشرفته و کدگذاری متن Advanced Tokenization and Text Encoding

• معرفی تخصص Specialization Introduction

• معرفی دوره Course Introduction

• آشنایی با توکن‌گذاری زیر-کلمه (Subword Tokenization) Introduction to Subword Tokenization

• کدگذاری جفت‌بایت (BPE) و مدل‌های زبانی Unigram Byte-Pair Encoding (BPE) and Unigram Language Models

• مدیریت کلمات خارج از واژگان (OOV) Handling Out-of-Vocabulary (OOV) Words

• دمو: توکن‌گذاری زیر-کلمه در سناریوهای واقعی Demonstration: Subword Tokenization in Real-World Scenarios

• استراتژی‌های توکن‌گذاری پویا Dynamic Tokenization Strategies

• توکن‌گذاری آنی در برنامه‌های استریمینگ Real-Time Tokenization in Streaming Applications

• توکن‌گذاری برای زبان‌های کم‌منبع و غنی از نظر صرفی Tokenization for Low-Resource and Morphologically Rich Languages

• دمو: کلمات OOV و توکن‌گذاری ترنسفورمرها (BERT و GPT) Demonstration: OOV Words and Transformer Tokenization (BERT and GPT)

• دمو: توکن‌گذاری پویا و تطبیقی Demonstration: Dynamic and Adaptive Tokenization

• امبدینگ‌های سطح کاراکتر با CNNها و RNNها Character-Level Embeddings with CNNs and RNNs

• FastText: امبدینگ‌های زیر-کلمه و کاربردهای آن‌ها FastText: Subword Embeddings and Their Utility

• امبدینگ‌های ترکیبی: تلفیق نمایش‌های کاراکتر و کلمه Hybrid Embeddings: Combining Character and Word Representations

• مدل‌های ترکیبی: ادغام CNNهای کاراکتر با ترنسفورمرها Hybrid Models: Character-CNNs Integrated with Transformers

• کاربردهای مدل‌سازی سطح کاراکتر در وظایف NLP Applications of Character-Level Modeling in NLP Tasks

• Sentence BERT و انکودر جهانی جملات (USE) Sentence-BERT and Universal Sentence Encoder

• تکنیک‌های اندازه‌گیری شباهت معنایی: کسینوسی، جاکارد، اقلیدسی Techniques for Measuring Semantic Similarity: Cosine, Jaccard, Euclidean

• موردهای کاربردی امبدینگ جملات در جستجو و چت‌بات‌ها Sentence Embedding Use Cases in Search and Chatbots

تحلیل احساسات – مدل‌ها، متدها و تکنیک‌ها Sentiment Analysis – Models, Methods, and Techniques

• مقدمه‌ای بر تحلیل احساسات Introduction to Sentiment Analysis

• تکنیک‌های مبتنی بر قانون و لغت‌نامه‌های احساسات (VADER, SentiWordNet) Rule-Based Techniques and Sentiment Lexicons (VADER, SentiWordNet)

• ملاحظات پیش‌پردازش برای وظایف تحلیل احساسات Preprocessing Considerations for Sentiment Analysis Tasks

• امتیازدهی لغت‌نامه و اکتشاف قطبیت (Polarity) Lexicon Scoring and Heuristics in Polarity Detection

• دمو: تحلیل احساسات با استفاده از VADER، SentiWordNet و لغت‌نامه‌های سفارشی Demo - Sentiment Analysis Using VADER, SentiWordNet, and Custom Lexicons

• نایو بیز و ماشین‌های بردار پشتیبان (SVM) برای طبقه‌بندی احساسات Naïve Bayes and Support Vector Machines for Sentiment Classification

• کاهش ابعاد: فاکتوریزاسیون ماتریس غیرمنفی (NMF) Dimensionality Reduction: Non-Negative Matrix Factorization (NMF)

• مدل‌سازی موضوعی در تحلیل احساسات: تخصیص دیریکله پنهان (LDA) Topic Modeling in Sentiment Tasks: Latent Dirichlet Allocation (LDA)

• مدیریت مجموعه‌داده‌های نامتوازن در تحلیل احساسات Handling Imbalanced Sentiment Datasets

• معیارهای ارزیابی و مقیاس‌های معنایی Evaluation Metrics and Semantic Measures

• شبکه‌های LSTM و GRU برای مدل‌سازی متوالی احساسات LSTMs and GRUs for Sequential Sentiment Modeling

• مکانیزم‌های توجه (Attention) در مدل‌های عمیق احساسات Attention Mechanisms in Deep Sentiment Models

• طبقه‌بندی احساسات با مدل‌های پیش‌آموزش‌دیده BERT Sentiment Classification with Pretrained BERT Models

• تنظیم دقیق مدل‌های ترنسفورمر برای تحلیل احساسات تخصصی Fine-Tuning Transformer Models for Domain-Specific Sentiment Tasks

• ترنسفورمرهای پیشرو: رویکردهای مبتنی بر RoBERTa، DistilBERT و GPT State-of-the-Art Transformers: RoBERTa, DistilBERT, GPT-Based Approaches

• طبقه‌بندی احساسات Few-Shot و Zero-Shot با استفاده از LLMهای تنظیم‌شده Few-Shot and Zero-Shot Sentiment Classification Using Instruction-Tuned LLMs

کاربردهای دنیای واقعی و ملاحظات Real-World Applications and Considerations

• ردیابی روندهای احساسی در طول زمان Tracking Sentiment Trends Over Time

• تشخیص تغییرات ناگهانی در نظرات Detecting Sudden Shifts in Opinion

• تحلیل احساسات برای گفتمان‌های عمومی و رویدادهای بحرانی Sentiment Analysis for Public Discourse and Crisis Events

• موردهای کاربردی: نظارت بر شبکه‌های اجتماعی، تحلیل رویدادهای سیاسی Use Cases: Social Media Monitoring, Political Event Analysis

• دمو: ردیابی زمانی احساسات و تحلیل تاثیر رویدادها Demonstration: Temporal Sentiment Tracking and Event Impact Analysis

• آشنایی با ABSA و تحلیل احساسات دقیق (Fine-Grained) Introduction to ABSA and Fine-Grained Sentiment

• استخراج جنبه‌ها (Aspect Extraction) با استفاده از یادگیری ماشین Aspect Extraction Using Machine Learning

• تکنیک‌های طبقه‌بندی احساسات در سطح جنبه Aspect-Level Sentiment Classification Techniques

• ادغام NER با ABSA برای افزایش دقت Integrating NER with ABSA for Enhanced Precision

• دمو: تحلیل احساسات مبتنی بر جنبه (ABSA) Demonstration: Aspect Based Sentiment Analysis

• چالش‌های مدل‌سازی احساسات چندزبانه Challenges in Multilingual Sentiment Modeling

• لغت‌نامه‌ها و امبدینگ‌های مستقل از زبان Language-Agnostic Lexicons and Embeddings

• امبدینگ‌های بین‌زبانی: MUSE و LASER Cross-Lingual Embeddings: MUSE, LASER

• تنظیم دقیق mBERT و XLM-R برای وظایف چندزبانه Fine-Tuning mBERT and XLM-R for Multilingual Tasks

• انتقال احساسات چندزبانه به روش Zero-Shot و Few-Shot Zero-Shot and Few-Shot Multilingual Sentiment Transfer

• سوگیری در مدل‌های احساسات: جنسیت، نژاد، فرهنگ Bias in Sentiment Models: Gender, Race, Culture

• کاهش مثبت‌ها و منفی‌های کاذب در کاربردهای پرخطر Reducing False Negatives and Positives in High-Risk Applications

• تحلیل احساسات در بخش‌های حساس: بهداشت، عدالت، منابع انسانی Sentiment Analysis in Sensitive Sectors: Healthcare, Justice, HR

• انصاف، پاسخگویی و شفافیت در طبقه‌بندی احساسات Fairness, Accountability, and Transparency in Sentiment Classification

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

• جمع‌بندی دوره: توکن‌گذاری و تحلیل احساسات Course Summary: Tokenization and Sentiment Analysis