آموزش پردازش زبان طبیعی در پایتون (جدید ۲۰۲۵!) - آخرین آپدیت

سرفصل ها و درس ها

Getting Started

• مقدمه دوره Course Introduction

• درباره این مجموعه About This Series

• ساختار و سرفصل‌های دوره Course Structure & Outline

• بخوانید: نکات مهم برای دانشجویان جدید READ ME: Important Notes for New Students

• دانلود: منابع دوره DOWNLOAD: Course Resources

• تکالیف دوره The Course Assignments

نصب و راه‌اندازی Installation & Setup

• مقدمه بخش Section Introduction

• مروری بر Anaconda Anaconda Overview

• نصب Anaconda Installing Anaconda

• راه‌اندازی Jupyter Notebook Launching Jupyter Notebook

• محیط‌های Conda Conda Environments

• گردش کار Conda Conda Workflow

• دستورات Conda Conda Commands

• دمو: ایجاد یک محیط Conda DEMO: Create a Conda Environment

• محیط‌ها در این دوره Environments in This Course

مبانی پردازش زبان طبیعی (NLP 101) Natural Language Processing 101

• مقدمه بخش Section Introduction

• آشنایی با NLP Intro to NLP

• تاریخچه NLP History of NLP

• کاربردها و تکنیک‌های NLP NLP Applications & Techniques

• کتابخانه‌های NLP در پایتون NLP Libraries in Python

• نکات کلیدی Key Takeaways

پیش‌پردازش متن Text Preprocessing

• مقدمه بخش Section Introduction

• پایپ‌لاین (Pipeline) NLP NLP Pipeline

• مروری بر پیش‌پردازش متن Text Preprocessing Overview

• تکلیف: ایجاد یک محیط جدید ASSIGNMENT: Create a New Environment

• راه‌حل: ایجاد یک محیط جدید SOLUTION: Create a New Environment

• پیش‌پردازش متن با Pandas Text Preprocessing with Pandas

• دمو: راه‌اندازی پیش‌پردازش متن DEMO: Text Preprocessing Setup

• دمو: پیش‌پردازش متن با Pandas DEMO: Text Preprocessing with Pandas

• نکته حرفه‌ای: ایجاد یک تابع PRO TIP: Create a Function

• تکلیف: پیش‌پردازش متن با Pandas ASSIGNMENT: Text Preprocessing with Pandas

• راه‌حل: پیش‌پردازش متن با Pandas SOLUTION: Text Preprocessing with Pandas

• پیش‌پردازش متن با spaCy Text Preprocessing with spaCy

• توکن‌سازی (Tokenization) Tokenization

• لماتیزاسیون (Lemmatization) Lemmatization

• واژگان ایست (Stop Words) Stop Words

• برچسب‌گذاری اجزای کلام (Parts of Speech Tagging) Parts of Speech Tagging

• دمو: توکن‌ها، لم‌ها و واژگان ایست DEMO: Tokens, Lemmas & Stop Words

• نکته حرفه‌ای: استفاده از متد Apply PRO TIP: Use the Apply Method

• دمو: برچسب‌گذاری اجزای کلام DEMO: Parts of Speech Tagging

• دمو: ایجاد یک پایپ‌لاین (Pipeline) NLP DEMO: Create an NLP Pipeline

• تکلیف: پیش‌پردازش متن با spaCy ASSIGNMENT: Text Preprocessing with spaCy

• راه‌حل: پیش‌پردازش متن با spaCy SOLUTION: Text Preprocessing with spaCy

• برداری‌سازی (Vectorization) Vectorization

• Count Vectorizer در پایتون Count Vectorizer in Python

• دمو: Count Vectorizer DEMO: Count Vectorizer

• دمو: پارامترهای Count Vectorizer DEMO: Count Vectorizer Parameters

• نکته حرفه‌ای: تحلیل اکتشافی داده‌ها (EDA) PRO TIP: Exploratory Data Analysis

• تکلیف: Count Vectorizer ASSIGNMENT: Count Vectorizer

• راه‌حل: Count Vectorizer SOLUTION: Count Vectorizer

• TF-IDF TF-IDF

• TF-IDF Vectorizer در پایتون TF-IDF Vectorizer in Python

• دمو: TF-IDF Vectorizer DEMO: TF-IDF Vectorizer

• تکلیف: TF-IDF Vectorizer ASSIGNMENT: TF-IDF Vectorizer

• راه‌حل: TF-IDF Vectorizer SOLUTION: TF-IDF Vectorizer

• نکات کلیدی Key Takeaways

NLP با یادگیری ماشین (Machine Learning) NLP with Machine Learning

• مقدمه بخش Section Introduction

• یادگیری ماشین چیست؟ What is Machine Learning?

• الگوریتم‌های رایج ML برای NLP Common ML Algorithms for NLP

• مروری بر NLP سنتی Traditional NLP Overview

• NLP سنتی در برابر NLP مدرن Traditional vs Modern NLP

• دمو: ایجاد یک محیط جدید DEMO: Create a New Environment

• تحلیل احساسات Sentiment Analysis

• تحلیل احساسات در پایتون Sentiment Analysis in Python

• دمو: تحلیل احساسات در پایتون DEMO: Sentiment Analysis in Python

• تکلیف: تحلیل احساسات ASSIGNMENT: Sentiment Analysis

• راه‌حل: تحلیل احساسات SOLUTION: Sentiment Analysis

• مبانی طبقه‌بندی متن Text Classification Basics

• الگوریتم‌های طبقه‌بندی متن Text Classification Algorithms

• Naïve Bayes Naïve Bayes

• Naïve Bayes در پایتون Naïve Bayes in Python

• دمو: راه‌اندازی Naïve Bayes DEMO: Naïve Bayes Setup

• دمو: گردش کار Naïve Bayes DEMO: Naïve Bayes Workflow

• دمو: پیش‌بینی Naïve Bayes DEMO: Naïve Bayes Prediction

• نکته حرفه‌ای: مقایسه مدل‌های ML PRO TIP: Compare ML Models

• گام‌های بعدی در طبقه‌بندی متن Text Classification Next Steps

• تکلیف: طبقه‌بندی متن ASSIGNMENT: Text Classification

• راه‌حل: طبقه‌بندی متن SOLUTION: Text Classification

• مبانی Topic Modeling Topic Modeling Basics

• الگوریتم‌های Topic Modeling Topic Modeling Algorithms

• فاکتورگیری ماتریس نامنفی (NMF) Non-Negative Matrix Factorization (NMF)

• NMF در پایتون NMF in Python

• دمو: فیت کردن یک مدل NMF DEMO: Fit an NMF Model

• نکته حرفه‌ای: تابع نمایش موضوعات PRO TIP: Display Topics Function

• دمو: تنظیم یک مدل NMF DEMO: Tune an NMF Model

• گام‌های بعدی در Topic Modeling Topic Modeling Next Steps

• نکته حرفه‌ای: ترکیب الگوریتم‌های ML PRO TIP: Combine ML Algorithms

• تکلیف: Topic Modeling ASSIGNMENT: Topic Modeling

• راه‌حل: Topic Modeling SOLUTION: Topic Modeling

• نکات کلیدی Key Takeaways

شبکه‌های عصبی و یادگیری عمیق (Deep Learning) Neural Networks & Deep Learning

• مقدمه بخش Section Introduction

• مروری بر NLP مدرن Modern NLP Overview

• آشنایی با شبکه‌های عصبی Intro to Neural Networks

• بازنگری رگرسیون لجستیک Logistic Regression Refresher

• رگرسیون لجستیک: توضیح بصری Logistic Regression: Visually Explained

• شبکه‌های عصبی: توضیح بصری Neural Networks: Visually Explained

• خلاصه شبکه عصبی Neural Network Summary

• تمرین: اجزای شبکه عصبی EXERCISE: Neural Network Components

• راه‌حل: اجزای شبکه عصبی SOLUTION: Neural Network Components

• شبکه‌های عصبی در پایتون Neural Networks in Python

• دمو: شبکه‌های عصبی در پایتون DEMO: Neural Networks in Python

• دمو: ماتریس‌های شبکه عصبی DEMO: Neural Network Matrices

• نکته حرفه‌ای: نمادگذاری و ماتریس‌های NN PRO TIP: NN Notation & Matrices

• نحوه آموزش یک شبکه عصبی How a Neural Network is Trained

• آموزش شبکه عصبی: توضیح بصری Neural Network Training: Visually Explained

• تمرین: آموزش شبکه عصبی EXERCISE: Neural Network Training

• راه‌حل: آموزش شبکه عصبی SOLUTION: Neural Network Training

• آشنایی با Deep Learning Intro to Deep Learning

• معماری‌های Deep Learning Deep Learning Architectures

• Deep Learning در عمل Deep Learning in Practice

• مدل‌های Deep Learning از پیش آموزش‌دیده Pretrained Deep Learning Models

• تمرین: مفاهیم Deep Learning EXERCISE: Deep Learning Concepts

• راه‌حل: مفاهیم Deep Learning SOLUTION: Deep Learning Concepts

• نکات کلیدی Key Takeaways

Transformers و LLMها Transformers & LLMs

• مقدمه بخش Section Introduction

• مرور NLP مدرن Modern NLP Recap

• مروری بر Transformers و LLMها Transformers & LLMs Overview

• معماری Transformer Transformer Architecture

• معماری Transformer – Embeddings Transformer Architecture | Embeddings

• معماری Transformer – Attention Transformer Architecture | Attention

• معماری Transformer – شبکه عصبی Feedforward Transformer Architecture | Feedforward Neural Network

• خلاصه Transformers Transformers Summary

• تجزیه و تحلیل نمودار Transformer Breaking Down the Transformer Diagram

• Encoders و Decoders Encoders & Decoders

• مدل‌های زبان بزرگ (LLMs) Large Language Models (LLMs)

• تمرین: مفاهیم Transformers و LLMها EXERCISE: Transformers & LLMs Concepts

• راه‌حل: مفاهیم Transformers و LLMها SOLUTION: Transformers & LLMs Concepts

• نکات کلیدی Key Takeaways

Transformers با Hugging Face Transformers with Hugging Face

• مقدمه بخش Section Introduction

• مروری بر Hugging Face Hugging Face Overview

• دمو: ایجاد یک محیط جدید DEMO: Create a New Environment

• تحلیل احساسات با LLMها Sentiment Analysis with LLMs

• دمو: Pipeline پایه تحلیل احساسات DEMO: Basic Sentiment Analysis Pipeline

• دمو: زمان‌بندی، لاگ‌گذاری و راه‌اندازی دستگاه DEMO: Timing, Logging and Device Setup

• دمو: مقایسه امتیازات احساسات DEMO: Compare Sentiment Scores

• نکته حرفه‌ای: سرعت بخشیدن به کد Transformers PRO TIP: Speed Up Transformers Code

• تکلیف: تحلیل احساسات با LLMها ASSIGNMENT: Sentiment Analysis with LLMs

• راه‌حل: تحلیل احساسات با LLMها SOLUTION: Sentiment Analysis with LLMs

• تشخیص موجودیت‌های نام‌گذاری شده (NER) Named Entity Recognition

• دمو: Pipeline پایه NER DEMO: Basic NER Pipeline

• دمو: Model Hub هاگینگ فِیس DEMO: Hugging Face Model Hub

• دمو: پاکسازی خروجی NER DEMO: Clean NER Output

• تکلیف: تشخیص موجودیت‌های نام‌گذاری شده (NER) ASSIGNMENT: Named Entity Recognition

• راه‌حل: تشخیص موجودیت‌های نام‌گذاری شده (NER) SOLUTION: Named Entity Recognition

• طبقه‌بندی Zero-Shot Zero-Shot Classification

• دمو: طبقه‌بندی Zero-Shot DEMO: Zero-Shot Classification

• تکلیف: طبقه‌بندی Zero-Shot ASSIGNMENT: Zero-Shot Classification

• راه‌حل: طبقه‌بندی Zero-Shot SOLUTION: Zero-Shot Classification

• خلاصه‌سازی متن Text Summarization

• دمو: Pipeline پایه خلاصه‌سازی متن DEMO: Basic Text Summarization Pipeline

• دمو: Pipelineهای چندگانه DEMO: Multiple Pipelines

• تکلیف: خلاصه‌سازی متن ASSIGNMENT: Text Summarization

• راه‌حل: خلاصه‌سازی متن SOLUTION: Text Summarization

• نکته حرفه‌ای: تولید متن PRO TIP: Text Generation

• Document Embeddings Document Embeddings

• Cosine Similarity Cosine Similarity

• شباهت سند با Embeddings Document Similarity with Embeddings

• دمو: استخراج ویژگی و Embeddings DEMO: Feature Extraction & Embeddings

• دمو: Cosine و شباهت سند DEMO: Cosine & Document Similarity

• نکته حرفه‌ای: Recommender Function PRO TIP: Recommender Function

• تکلیف: شباهت سند ASSIGNMENT: Document Similarity

• راه‌حل: شباهت سند SOLUTION: Document Similarity

• نکات کلیدی Key Takeaways

بازبینی NLP و گام‌های بعدی NLP Review & Next Steps

• بازبینی NLP و Flow Chart NLP Review & Flow Chart

• گام‌های بعدی NLP NLP Next Steps

• درس پاداش BONUS LESSON