لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پردازش زبان طبیعی کاربردی با پایتون
Applied Natural Language Processing with Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
درک و پیاده سازی Huggingface-Models، LLMs، Vector Databases، RAG، Prompt Engineering، و موارد دیگر مقدمه ای بر پیاده سازی مدل پردازش زبان طبیعی (NLP) بر اساس مدل های huggingface که با OpenAI Vector Databases بازیابی-تولید افزوده شده (RAG) کاربردهای دنیای واقعی و مطالعات موردی پیادهسازی طبقهبندی صفر شات، طبقهبندی متن، مدلهای تولید متن بهینهسازی مدلهای تقویت دادهها مهندسی سریع
به دوره جامع من در مورد پردازش زبان طبیعی (NLP) بپیوندید. این دوره هم برای مبتدیان و هم برای حرفه ای های باتجربه طراحی شده است. این دوره دروازه شما برای باز کردن پتانسیل عظیم NLP در حل چالش های دنیای واقعی است. این طیف گسترده ای از موضوعات مختلف را پوشش می دهد و شما را در اجرای راه حل های NLP به سرعت می رساند.
نکات برجسته دوره:
NLP-Introduction
درکی کامل از اصول اساسی حاکم بر پردازش زبان طبیعی و کاربردهای آن به دست آورید.
مبانی NLP
جاسازیهای کلمه
ترانسفورماتور
Hugingface را برای شبکههای از پیش آموزش دیده اعمال کنید
درباره مدلهای Huggingface و نحوه اعمال آنها برای نیازهای خود بیاموزید
تنظیم دقیق مدل
گاهی اوقات شبکه های از پیش آموزش دیده کافی نیستند، بنابراین باید یک مدل موجود را روی کار و/یا مجموعه داده خاص خود تنظیم کنید. در این بخش شما یاد خواهید گرفت که چگونه.
پایگاه های داده برداری
پایگاه های داده برداری، جستجوی اطلاعات از متون را ساده می کند. شما یاد خواهید گرفت که آنها چگونه کار می کنند و چگونه پایگاه داده های برداری را پیاده سازی کنید.
Tokenization
DB برداری را با ChromaDB پیاده سازی کنید
DB برداری چند وجهی
OpenAI API
OpenAI با ChatGPT ابزار بسیار قدرتمندی برای NLP فراهم می کند. شما یاد خواهید گرفت که چگونه از طریق پایتون از آن استفاده کنید و آن را در گردش کار خود ادغام کنید.
مهندسی سریع
راهبردهایی برای ایجاد اعلان های کارآمد بیاموزید
نسل افزایش یافته بازیابی
نظریه RAG
RAG را پیاده سازی کنید
پروژه Capstone "Chatbot"
یک ربات چت برای "چت" با یک سند PDF ایجاد کنید
یک برنامه وب برای ربات چت ایجاد کنید
LLMهای منبع باز
با نحوه استفاده از OpenSource LLM
آشنا شوید
افزایش داده
نظریه و رویکردهای تقویت داده های NLP
اجرای افزایش داده
سرفصل ها و درس ها
دوره-مقدمه
Course-Introduction
محدوده دوره (101)
Course Scope (101)
من کی هستم؟
Who am I?
نحوه کار با دوره (101)
How to work with The course (101)
چگونه مواد را بدست آوریم؟ (کد نویسی)
How to get the material? (Coding)
چگونه مواد را بدست آوریم؟ (متناوب)
How to get the material? (Alternate)
نمایش نظرات