آموزش NLP – جاسازی کلمات (Embeddings) و پیش‌پردازش متن در پایتون - آخرین آپدیت

سرفصل ها و درس ها

خوش‌آمدگویی Welcome

• معرفی و سرفصل‌ها Introduction and Outline

• پیشنهاد ویژه Special Offer

راه‌اندازی اولیه Getting Set Up

• کدها را از کجا دریافت کنیم Where To Get the Code

• چگونه در این دوره موفق شویم How To Succeed in This Course

مدل‌های برداری و پیش‌پردازش متن Vector Models and Text Preprocessing

• تعاریف پایه برای NLP Basic Definitions for NLP

• بردار چیست؟ What is a Vector?

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

• بردارساز شمارشی - تئوری (Count Vectorizer) Count Vectorizer (Theory)

• توکن‌سازی (Tokenization) Tokenization

• کلمات توقف (Stopwords) Stopwords

• ریشه‌یابی و لمانتایزیشن Stemming and Lemmatization

• دموی ریشه‌یابی و لمانتایزیشن Stemming and Lemmatization Demo

• بردارساز شمارشی - کدنویسی (Count Vectorizer) Count Vectorizer (Code)

• شباهت برداری Vector Similarity

• تئوری TF-IDF TF-IDF (Theory)

• تمرین تعاملی سیستم توصیه‌گر (Interactive) Recommender Exercise Prompt

• کدنویسی TF-IDF TF-IDF (Code)

• نگاشت کلمه به ایندکس Word-to-Index Mapping

• چگونه TF-IDF را از صفر بسازیم How to Build TF-IDF From Scratch

نگاهی به آینده Looking Ahead

• جاسازی‌های عصبی کلمات (Neural Word Embeddings) Neural Word Embeddings

• دموی جاسازی‌های عصبی کلمات Neural Word Embeddings Demo

• نحوه انجام NLP در زبان‌های دیگر How To Do NLP In Other Languages

• خلاصه مدل‌های برداری و پیش‌پردازش متن Vector Models & Text Preprocessing Summary

تنظیم محیط کار شما (پیوست/سوالات متداول بر اساس درخواست دانشجویان) Setting Up Your Environment (Appendix/FAQ by Student Request)

• بررسی پیش از نصب Pre-Installation Check

• راه‌اندازی محیط آناکوندا (Anaconda) Anaconda Environment Setup

• نحوه نصب Numpy, Scipy, Matplotlib, Pandas و Tensorflow How to install Numpy, Scipy, Matplotlib, Pandas, and Tensorflow

کمک‌های اضافی در کدنویسی پایتون برای مبتدیان (پیوست/سوالات متداول بر اساس درخواست دانشجویان) Extra Help With Python Coding for Beginners (Appendix/FAQ by Student Request)

• چگونه خودتان کدنویسی کنید (بخش اول) How to Code Yourself (part 1)

• چگونه خودتان کدنویسی کنید (بخش دوم) How to Code Yourself (part 2)

• اثبات اینکه استفاده از Jupyter Notebook تفاوتی با عدم استفاده از آن ندارد Proof that using Jupyter Notebook is the same as not using it

• نحوه استفاده از گیت‌هاب و نکات اضافی کدنویسی (اختیاری) How to use Github & Extra Coding Tips (Optional)

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پیوست/سوالات متداول بر اساس درخواست دانشجویان) Effective Learning Strategies for Machine Learning (Appendix/FAQ by Student Request)

• چگونه در این دوره موفق شویم (نسخه کامل) How to Succeed in this Course (Long Version)

• آیا این دوره برای مبتدیان است یا متخصصان؟ آکادمیک است یا کاربردی؟ سرعت آموزش چگونه است؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• دوره‌ها را با چه ترتیبی بگذرانم؟ (بخش اول) What order should I take your courses in? (part 1)

• دوره‌ها را با چه ترتیبی بگذرانم؟ (بخش دوم) What order should I take your courses in? (part 2)