آموزش کاربردی NLP با NLTK و Scikit-learn [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

کار با داده‌های زبان طبیعی Working with Natural Language Data

• مرور کلی دوره The Course Overview

• استفاده از Python، NLTK، spaCy و Scikit-learn برای ساخت ابزارهای NLP Use Python, NLTK, spaCy, and Scikit-learn to Build Your NLP Toolset

• خواندن یک فایل ساده زبان طبیعی در حافظه Reading a Simple Natural Language File into Memory

• تقسیم متن به کلمات مجزا با استفاده از Regular Expression Split the Text into Individual Words with Regular Expression

• تبدیل کلمات به لیست‌هایی از توکن‌های حروف کوچک Converting Words into Lists of Lower Case Tokens

• حذف کلمات غیرمعمول و کلمات توقف Removing Uncommon Words and Stop Words

طبقه‌بندی اسپم با مجموعه داده ایمیل Spam Classification with an Email Dataset

• استفاده از مجموعه داده متن‌باز و معرفی مجموعه داده Enron Use an Open Source Dataset, and What Is the Enron Dataset

• بارگذاری مجموعه داده Enron در حافظه Loading the Enron Dataset into Memory

• توکنایز کردن، لمیتایز کردن و حذف کلمات توقف Tokenization, Lemmatization, and Stop Word Removal

• فرآیند استخراج ویژگی Bag of Words با Scikit-learn Bag-of-Words Feature Extraction Process with Scikit-learn

• طبقه‌بندی پایه اسپم با Naive Bayes در NLTK Basic Spam Classification with NLTK's Naive Bayes

تحلیل احساسات با مجموعه داده نقد فیلم Sentiment Analysis with a Movie Review Dataset

• درک منشأ و ویژگی‌های مجموعه داده نقد فیلم Understanding the Origin and Features of the Movie Review Dataset

• بارگذاری و پاک‌سازی داده‌های نقد Loading and Cleaning the Review Data

• پیش‌پردازش مجموعه داده برای حذف کلمات و کاراکترهای ناخواسته Preprocessing the Dataset to Remove Unwanted Words and Characters

• ایجاد ویژگی‌های زبان طبیعی با وزن‌دهی TF-IDF Creating TF-IDF Weighted Natural Language Features

• تحلیل پایه احساسات با مدل رگرسیون لجستیک Basic Sentiment Analysis with Logistic Regression Model

بهبود عملکرد مدل‌ها با N-grams Boosting the Performance of Your Models with N-grams

• بررسی عمیق توکن‌های خام از نقدهای فیلم Deep Dive into Raw Tokens from the Movie Reviews

• پاک‌سازی پیشرفته توکن‌ها با استفاده از توابع رشته‌ای پایتون و Regex Advanced Cleaning of Tokens Using Python String Functions and Regex

• ایجاد ویژگی‌های N-gram با استفاده از Scikit-learn Creating N-gram Features Using Scikit-learn

• آزمایش با مدل‌های پیشرفته Scikit-learn با استفاده از Wrapper NLTK Experimenting with Advanced Scikit-learn Models Using the NLTK Wrapper

• ساخت مدل رای‌گیری (Voting Model) با Scikit-learn Building a Voting Model with Scikit-learn

طبقه‌بندی اسناد با مجموعه داده Newsgroup Document Classification with a Newsgroup Dataset

• درک منشأ و ویژگی‌های مجموعه داده 20 Newsgroups Understanding the Origin and Features of the 20 Newsgroups Dataset

• بارگذاری داده‌های Newsgroup و استخراج ویژگی‌ها Loading the Newsgroup Data and Extracting Features

• ساخت خط لوله (Pipeline) طبقه‌بندی اسناد Building a Document Classification Pipeline

• ایجاد گزارش عملکرد مدل روی مجموعه داده تست Creating a Performance Report of the Model on the Test Set

• یافتن هایپرپارامترهای بهینه با استفاده از Grid Search Finding Optimal Hyper-parameters Using Grid Search

مدل‌سازی پیشرفته موضوعات با TF-IDF، LSA و SVMها Advanced Topic Modelling with TF-IDF, LSA, and SVMs

• ساخت خط لوله پیش‌پردازش متن با NLTK Building a Text Preprocessing Pipeline with NLTK

• ایجاد ویژگی‌های مبتنی بر هشینگ (Hashing) از زبان طبیعی Creating Hashing Based Features from Natural Language

• طبقه‌بندی اسناد در ۲۰ موضوع با استفاده از LSA Classify Documents into 20 Topics with LSA

• طبقه‌بندی اسناد با TF-IDF و SVMها Document Classification with TF-IDF and SVMs