آموزش NLP – مدل‌های یادگیری ماشین با پایتون - آخرین آپدیت

خوش‌آمدگویی Welcome

• مقدمه و سرفصل‌ها Introduction and Outline

• پیشنهاد ویژه Special Offer

راه‌اندازی و آماده‌سازی Getting Set Up

• دسترسی به کدهای دوره Where To Get the Code

• راهنمای موفقیت در این دوره How To Succeed in This Course

تشخیص اسپم Spam Detection

• تشخیص اسپم - شرح مسئله Spam Detection - Problem Description

• درک شهودی Naive Bayes Naive Bayes Intuition

• تشخیص اسپم - صورت تمرین Spam Detection - Exercise Prompt

• نکته: عدم تعادل کلاس‌ها، ROC، AUC و F1 Score (بخش اول) Aside: Class Imbalance, ROC, AUC, and F1 Score (pt 1)

• نکته: عدم تعادل کلاس‌ها، ROC، AUC و F1 Score (بخش دوم) Aside: Class Imbalance, ROC, AUC, and F1 Score (pt 2)

• پیاده‌سازی تشخیص اسپم در پایتون Spam Detection in Python

تحلیل احساسات Sentiment Analysis

• تحلیل احساسات - شرح مسئله Sentiment Analysis - Problem Description

• درک شهودی رگرسیون لجستیک (بخش اول) Logistic Regression Intuition (pt 1)

• رگرسیون لجستیک چندکلاسه (بخش دوم) Multiclass Logistic Regression (pt 2)

• آموزش و تفسیر رگرسیون لجستیک Logistic Regression Training and Interpretation

• تحلیل احساسات - صورت تمرین Sentiment Analysis - Exercise Prompt

• تحلیل احساسات در پایتون (بخش اول) Sentiment Analysis in Python (pt 1)

• تحلیل احساسات در پایتون (بخش دوم) Sentiment Analysis in Python (pt 2)

خلاصه‌سازی متن Text Summarization

• مقدمه بخش خلاصه‌سازی متن Text Summarization Section Introduction

• خلاصه‌سازی متن با استفاده از بردارها Text Summarization Using Vectors

• صورت تمرین خلاصه‌سازی متن Text Summarization Exercise Prompt

• خلاصه‌سازی متن در پایتون Text Summarization in Python

• درک شهودی TextRank TextRank Intuition

• TextRank - نحوه عملکرد واقعی (پیشرفته) TextRank - How It Really Works (Advanced)

• صورت تمرین TextRank (پیشرفته) TextRank Exercise Prompt (Advanced)

• پیاده‌سازی TextRank در پایتون (پیشرفته) TextRank in Python (Advanced)

• خلاصه‌سازی متن در پایتون - روش ساده (مبتدی) Text Summarization in Python - The Easy Way (Beginner)

• جمع‌بندی بخش خلاصه‌سازی متن Text Summarization Section Summary

مدل‌سازی موضوعی Topic Modeling

• مقدمه بخش مدل‌سازی موضوعی Topic Modeling Section Introduction

• تخصیص دیریکله نهفته (LDA) - مفاهیم ضروری Latent Dirichlet Allocation (LDA) - Essentials

• LDA - آماده‌سازی کدها LDA - Code Preparation

• LDA - تصویر کمکی (اختیاری) LDA - Maybe Useful Picture (Optional)

• تخصیص دیریکله نهفته (LDA) - درک شهودی (پیشرفته) Latent Dirichlet Allocation (LDA) - Intuition (Advanced)

• مدل‌سازی موضوعی با LDA در پایتون Topic Modeling with Latent Dirichlet Allocation (LDA) in Python

• درک شهودی تجزیه ماتریس غیرمنفی (NMF) Non-Negative Matrix Factorization (NMF) Intuition

• مدل‌سازی موضوعی با NMF در پایتون Topic Modeling with Non-Negative Matrix Factorization (NMF) in Python

• جمع‌بندی بخش مدل‌سازی موضوعی Topic Modeling Section Summary

تحلیل معنایی نهفته (LSI) Latent Semantic Analysis (Latent Semantic Indexing)

• مقدمه بخش LSA / LSI LSA / LSI Section Introduction

• درک شهودی SVD (تجزیه مقدار تکین) SVD (Singular Value Decomposition) Intuition

• LSA / LSI: کاربرد SVD در NLP LSA / LSI: Applying SVD to NLP

• تحلیل معنایی نهفته / نمایه سازی معنایی نهفته در پایتون Latent Semantic Analysis / Latent Semantic Indexing in Python

• تمرینات LSA / LSI LSA / LSI Exercises