لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل احساسات از طریق یادگیری عمیق با Keras و Python [ویدئو]
Sentiment Analysis through Deep Learning with Keras and Python [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آیا می خواهید یاد بگیرید که چگونه تجزیه و تحلیل احساسات را انجام دهید؟ اگر در هر حوزه تجاری کار می کنید، تقریباً همیشه باید پاسخ مثبت باشد. هر شرکتی در روی زمین میخواهد بداند مشتریانش در مورد محصولات و خدماتش چه احساسی دارند - و تحلیل احساسات سادهترین و دقیقترین راه برای یافتن پاسخ این سوال است.
با یادگیری انجام تجزیه و تحلیل احساسات، خود را برای هر شرکتی، به ویژه آنهایی که علاقه مند به تضمین کیفیت محصولات خود هستند و کسانی که با هوش تجاری کار می کنند، ارزشمند خواهید کرد. و این تقریباً همه شرکت های معقول، بزرگ و کوچک، امروزه هستند.
در این دوره، انجام تحلیل احساسات را آسان می کنیم. در اولین ویدیو، موتور تجزیه و تحلیل احساسات با کمتر از 60 خط را معرفی می کنیم که می تواند تجزیه و تحلیل احساسات در سطح صنعت را انجام دهد. سپس بقیه دوره را صرف توضیح این 60 خط بسیار قدرتمند می کنیم تا درک کاملی از کد داشته باشید. پس از اتمام این دوره، بلافاصله قادر خواهید بود این سیستم را به خطوط لوله موجود خود وصل کنید تا تحلیل احساسات هر متنی را که می توانید به آن ارسال کنید، انجام دهید.
این یکی از دلایلی است که شما باید از پایتون برای تجزیه و تحلیل احساسات استفاده کنید و نه از زبان های دیگر علوم داده مانند R. اگر با R برای تجزیه و تحلیل احساسات کار می کنید، هنوز باید تلاش زیادی کنید تا این مهارت را به بازار ارائه دهید. . اگر موتور تجزیه و تحلیل احساسات خود را در پایتون بنویسید، گنجاندن کد خود در محصول نهایی کسب و کار شما بسیار آسان است.
دومین نکته مهم برای تجزیه و تحلیل احساسات این است که آخرین داستان های موفقیت آن را با دست انجام ندهند. در عوض، شما ماشینی را آموزش می دهید که این کار را برای شما انجام دهد. به همین دلیل است که ما در این دوره از تحلیل احساسات عمیق استفاده می کنیم: شما یک مدل یادگیری عمیق را آموزش می دهید تا تجزیه و تحلیل احساسات را برای شما انجام دهد. به این ترتیب، شما تلاش بسیار کمی انجام می دهید و تجزیه و تحلیل احساسات استاندارد صنعت را دریافت می کنید - و می توانید موتور خود را بعداً با استفاده از یک مدل بهتر به محض اینکه با تلاش کمی در دسترس قرار گرفت، بهبود بخشید.
تمامی فایل های کد در این آدرس قرار می گیرند
https://github.com/PacktPublishing/Sentiment-Analysis-through-Deep-Learning-with-Keras-and-Python درک نحوه نوشتن موتورهای تحلیل احساسات درجه صنعتی با تلاش بسیار کم
اصول یادگیری ماشینی با حداقل ریاضی
نه تنها جنبه های نظری و آکادمیک تجزیه و تحلیل احساسات را درک کنید، بلکه همچنین نحوه استفاده از آن را در زمینه خود - تجزیه و تحلیل احساسات در دنیای واقعی درک کنید.
نکاتی در مورد اجتناب از اشتباهات افرادی که تازه وارد میدان شده اند و بهترین روش ها برای رسیدن به هدفتان با حداقل تلاش هر کسی که می خواهد تحلیل احساسات را در دنیای واقعی انجام دهد.
هر کسی که می خواهد بفهمد که چگونه یادگیری عمیق می تواند به تجزیه و تحلیل احساسات کمک کند
هرکسی که برای شرکتی کار می کند که می خواهد ببیند محصولاتش با مشتریانش چگونه کار می کنند، می آموزید که تجزیه و تحلیل احساسات عمیق را به روش آسان انجام دهید * از پایتون برای انجام تجزیه و تحلیل احساسات استفاده خواهید کرد * استفاده از Python به شما امکان می دهد تجزیه و تحلیل احساسات را در یکپارچه سازی کنید. راه حل های موجود شما
سرفصل ها و درس ها
معرفی
Introduction
دیدگاه پرنده از تحلیل احساسات عمیق
Bird's Eye View of Deep Sentiment Analysis
توضیحات مجموعه داده های MNIST
MNIST Dataset Description
- خط لوله یادگیری و پیش بینی
- Learning and Prediction Pipeline
مبانی برهنه نظریه
Bare Essentials of Theory
خط لوله یادگیری ماشین
Machine Learning Pipeline
پسرفت
Regression
شبکه های عصبی - یک رویکرد مدولار
Neural Networks - a Modular Approach
ماشین های مجازی VirtualBox ایجاد کنید
Create VirtualBox Virtual Machines
شروع کار با Keras
Getting Started with Keras
نصب ویندوز و موانع
Windows installation and hurdles
نصب مک و لینوکس
Mac and Linux installation
Keras: آماده سازی داده ها
Keras: Data Preparation
یادگیری و ارزشیابی با Keras
Learning and Evaluation with Keras
مطالعه موردی تحلیل احساسات
Sentiment Analysis Case Study
درک داده های احساسات
Understanding the Sentiment Data
ساختار داده ها برای یادگیری عمیق
Structure of Data for Deep Learning
مدل، تعبیه و اعمال در دنیای واقعی
Model, Embedding and Applying to Real World
شبکه های عصبی کانولوشنال با کراس
Convolutional Neural Networks with Keras
مبانی شبکه های عصبی کانولوشنال
Basics of Convolutional Neural Networks
ConvNet با Keras
ConvNet with Keras
تجمیع و تغییر ناپذیری ترجمه
Pooling and Translation Invariance
ترک تحصیل و منظم سازی
Dropout and Regularization
استفاده از API کاربردی با CNN
Using the functional API with CNN
بازبینی مدل تحلیل احساسات
Revisiting the Sentiment Analysis Model
CNN، LSTM و مدل های دیگر برای تجزیه و تحلیل احساسات
CNN, LSTM and Other Models for Sentiment Analysis
در حال اتمام
Finishing Up
ذخیره و بارگذاری وزن مدل
Saving and loading model weights
کلمات جدایی و مسیرهای آینده
Parting words and future directions
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
دکتر محمد نائومان دارای دکترای علوم کامپیوتر و پست داک از موسسه ماکس پلانک برای سیستم های نرم افزاری است. او از اوایل سال 2000 برنامه نویسی کرده و با زبان ها، ابزارها و پلتفرم های مختلف کار کرده است. او دارای تجربه تحقیقاتی گسترده ای با بسیاری از مدل های پیشرفته است. تحقیقات او در زمینه امنیت اندروید منجر به برخی تغییرات عمده در مدل مجوز اندروید شده است. او عاشق تدریس است و مهم ترین دلیلی که او به صورت آنلاین تدریس می کند این است که مطمئن شود حداکثر افراد می توانند از طریق محتوای او یاد بگیرند. امیدوارم از یادگیری با او لذت ببرید!
نمایش نظرات