آموزش پردازش زبان طبیعی (NLP) برای یادگیری عمیق - آخرین آپدیت

دانلود Natural Language Processing for Deep Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: شرکت‌ها حجم عظیمی از متون بدون ساختار تولید می‌کنند، اما بسیاری از تیم‌های مهندسی فاقد دانش پایه‌ای لازم برای نمایش و پردازش مؤثر این داده‌ها جهت استفاده در یادگیری ماشین هستند. در این دوره آموزشی، «پردازش زبان طبیعی برای یادگیری عمیق»، شما توانایی تبدیل متون خام به نمایش‌های عددی معنادار و انتخاب رویکرد مناسب NLP را برای کاربردهای دنیای واقعی کسب خواهید کرد. ابتدا، نحوه پیش‌پردازش و ساختاردهی متن از طریق توکن‌بندی (Tokenization)، نرمال‌سازی و سایر تکنیک‌های ضروری پاک‌سازی داده‌ها را بررسی می‌کنید. سپس، می‌آموزید که چگونه با استفاده از روش‌های کلاسیک برداری، جاسازی‌های کلمات استاتیک (Static Word Embeddings) و جاسازی‌های متنی مدرن (Contextual Embeddings)، متن را به ویژگی‌های قابل خواندن برای ماشین تبدیل کنید. در نهایت، یاد می‌گیرید که چگونه این نمایش‌ها را در مدل‌های یادگیری عمیق به کار ببرید و بر اساس مورد استفاده خود، تشخیص دهید که چه زمانی از رویکردهای کلاسیک، استاتیک یا متنی استفاده کنید. پس از اتمام این دوره، شما مهارت‌ها و دانش بنیادی NLP را برای ساخت ویژگی‌های متنی قابل اعتماد و با کارایی بالا در برنامه‌های خود به دست خواهید آورد.

سرفصل ها و درس ها

روش‌های کلاسیک پردازش زبان طبیعی Classical Natural Language Processing Methods

  • مقدمه‌ای بر پردازش زبان طبیعی Introduction to Natural Language Processing

  • پیش‌پردازش متن Text Preprocessing

  • نمایش توکن‌ها Token Representations

  • برداری‌سازی کلاسیک متن Classic Text Vectorization

  • استفاده از مدل‌های کیسه کلمات (Bag of Words) Using Bag-of-words Models

پردازش زبان طبیعی بر پایه یادگیری عمیق Deep Learning-based Natural Language Processing

  • جاسازی‌های استاتیک کلمات Static Word Embeddings

  • معناشناسی بردارهای کلمات Word Vector Semantics

  • استفاده از جاسازی‌ها در شبکه‌های عصبی Using Embeddings in Neural Networks

  • جاسازی‌های متنی کلمات (Contextual) Contextual Word Embeddings

  • جاسازی‌های متنی کلمات در عمل Contextual Word Embeddings in Action

  • انتخاب بهینه‌ترین رویکرد NLP Selecting the Optimal NLP Approach

نمایش نظرات

آموزش پردازش زبان طبیعی (NLP) برای یادگیری عمیق
جزییات دوره
1h 7m
11
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
4
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Daryle Serrant Daryle Serrant

دریل به عنوان دانشمند داده و مهندس نرم افزار برای غول های صنعتی مانند تسلا و لاکهید مارتین و همچنین شرکت هایی در بخش های هوافضا و دفاع، الکترونیک مصرف کننده، سلامت و تندرستی و انرژی های تجدیدپذیر کار کرده است. او در استفاده از یادگیری ماشینی برای خودکارسازی و ساده‌سازی عملیات برتری دارد و محصولات نرم‌افزاری را در طیف فناوری، از برنامه‌های کاربردی وب و موبایل گرفته تا سیستم‌های جاسازی شده، ساخته است. دریل در میان سرمایه گذاری های خود در دنیای فناوری، اشتیاق عمیقی به تدریس پیدا کرد. او به عنوان یک مربی علوم داده و مربی برنامه نویسی، نه تنها کودکان را با دنیای کدنویسی آشنا می کند، بلکه متخصصان مشتاق داده را از طریق پیچ و خم پیچیده مصاحبه های فناوری راهنمایی می کند.