آموزش مبانی پردازش زبان طبیعی (NLP) اثر پیرسون - آخرین آپدیت

دانلود Natural Language Processing (NLP) Fundamentals by Pearson

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

این دوره آموزشی به بررسی مبانی و برخی از جنبه‌های پیشرفته پردازش زبان طبیعی (NLP) می‌پردازد. آیا آماده‌اید تا NLP را به جعبه‌ابزارهای تخصصی خود اضافه کنید؟ با استفاده از کتابخانه قدرتمند NLTK، مفاهیم پایه‌ای نمایش متن، پاک‌سازی داده‌ها، تشخیص موضوع، عبارت‌های منظم (Regular Expressions) و تحلیل احساسات را بیاموزید و سپس به سراغ فریم‌ورک یادگیری عمیق PyTorch، طبقه‌بندی متن و مدل‌های Sequence-to-Sequence بروید. در این دوره، معماری‌های ترنسفورمر که زیربنای مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT، Claude و BERT هستند را به‌طور دقیق‌تر بررسی خواهیم کرد. در پایان این دوره، شما مهارت‌های عملی لازم برای بهره‌برداری از قدرت گسترده ابزارها و الگوریتم‌های NLP را کسب خواهید کرد.

این دوره برای دانشمندان داده که به پردازش زبان طبیعی علاقه‌مند هستند ایده‌آل است و نیازمند دانش کاربردی در جبر خطی، حساب دیفرانسیل و انتگرال، آمار و همچنین تجربه اولیه در برنامه‌نویسی است.

توجه: این دوره توسط Pearson و Bruno Goncalves تهیه شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی می‌کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • پردازش زبان طبیعی (NLP): مبانی Natural language processing (NLP): The basics

1. نمایش متن 1. Text Representation

  • جای‌گذاری کلمات (Word embeddings) Word embeddings

  • مدل کیسه کلمات (Bag of words) Bag of words

  • کلمات توقف (Stop words) Stop words

  • رمزگذاری تک‌داغ (One hot encoding) One-hot encoding

  • ان-گرام‌ها (N grams) N-grams

  • دمو و نمایش عملی Demo

  • موضوعات Topics

  • وزن‌دهی TF IDF TF-IDF

2. پاک‌سازی متن 2. Text Cleaning

  • دمو پاک‌سازی متن Text cleaning demo

  • ساقه تراشی (Stemming) Stemming

  • موضوعات Topics

  • عبارات منظم (Regular expressions) Regular expressions

  • ریشه‌یابی (Lemmatization) Lemmatization

3. بازشناسی موجودات نام‌دار 3. Named Entity Recognition

  • چینکینگ معکوس (Chinking) Chinking

  • قطعه‌بندی (Chunking) Chunking

  • موضوعات Topics

  • دمو و نمایش عملی Demo

  • بازشناسی موجودات نام‌دار (NER) Named entity recognition

  • برچسب‌گذاری اجزای سخن (POS tagging) Part of speech tagging

4. مدل‌سازی موضوعی 4. Topic Modeling

  • تحلیل معنایی پنهان (LSA) Latent semantic analysis

  • موضوعات Topics

  • تحلیل معنایی صریح Explicit semantic analysis

  • دمو و نمایش عملی Demo

  • خوشه‌بندی اسناد Document clustering

  • تخصیص دیریکله (LDA) LDA

  • تجزیه ماتریس غیرمنفی (NMF) Non-negative matrix factorization

5. تحلیل احساسات 5. Sentiment Analysis

  • کمی‌سازی کلمات و احساسات Quantify words and feelings

  • دمو و نمایش عملی Demo

  • موضوعات Topics

  • سلب‌ها و اصلاح‌کننده‌ها Negations and modifiers

  • رویکردهای مبتنی بر پیکره (Corpus) Corpus-based approaches

6. طبقه‌بندی متن 6. Text Classification

  • شبکه‌های پیش‌خور (Feedforward) Feedforward networks

  • موضوعات Topics

  • شبکه‌های عصبی کانولوشنال (CNN) Convolutional neural networks

  • دمو و نمایش عملی Demo

  • کاربردها Applications

7. مدل‌سازی توالی 7. Sequence Modeling

  • موضوعات Topics

  • شبکه‌های عصبی بازگشتی (RNN) Recurrent neural networks

  • مدل‌های اتوانکودر (Autoencoder) Autoencoder models

  • دمو و نمایش عملی Demo

  • واحد بازگشتی دریچه‌دار (GRU) Gated recurrent unit

  • حافظه کوتاه-مدت طولانی (LSTM) Long short-term memory

8. کاربردها 8. Applications

  • جای‌گذاری‌های Word2vec Word2vec embeddings

  • مدل GloVe GloVe

  • موضوعات Topics

  • تشخیص زبان Language detection

  • یادگیری انتقالی (Transfer learning) Transfer learning

  • دمو و نمایش عملی Demo

9. پردازش زبان طبیعی با مدل‌های زبانی بزرگ 9. NLP with Large Language Models

  • موضوعات Topics

  • مدل‌های زبانی بزرگ (LLMs) Large language models

  • هاگینگ فیس (Hugging Face) Hugging Face

  • مدل BERT BERT

  • دمو و نمایش عملی Demo

  • وظایف NLP NLP tasks

  • ترنسفورمرها (Transformers) Transformers

جمع‌بندی Conclusion

  • خلاصه دوره Course summary

نمایش نظرات

آموزش مبانی پردازش زبان طبیعی (NLP) اثر پیرسون
جزییات دوره
6h 14m
57
(آخرین آپدیت)
961
- از 5
ندارد
دارد
دارد
Pearson
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pearson Pearson

Pearson یک ارائه دهنده آموزش و یادگیری است.

هدف پیرسون این است که به افراد کمک کند تا زندگی خود را از طریق یادگیری درک کنند، با این باور که هر فرصت یادگیری فرصتی برای پیشرفت شخصی است. کارکنان پیرسون متعهد به ایجاد تجربیات یادگیری پر جنب و جوش و غنی هستند که برای تأثیرگذاری در زندگی واقعی طراحی شده اند. آنها در نزدیک به 200 کشور با محتوای دیجیتال، ارزیابی ها، صلاحیت ها و داده ها به مشتریان خدمات ارائه می دهند.