آموزش پردازش زبان طبیعی: NLP در پایتون همراه با پروژه ها

Natural Language Processing: NLP In Python with Projects

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: NLP را با الگوریتم های یادگیری ماشین ، Spacy ، NLTK ، TextBlob برای پردازش متن ، طبقه بندی متن و موارد دیگر بیاموزید.

آنچه خواهید آموخت

  • مقدمه ای بر NLP
  • مهندسی ویژگی برای NLP
  • تمیز کردن داده ها برای NLP
  • استخراج ویژگی برای NLP
  • تجسم داده ها برای NLP
  • طبقه بندی متن با استفاده از ML

به یادگیری پردازش زبان طبیعی علاقه دارید؟

این دوره مناسب برای شما مناسب است.

این دوره شما را قدم به قدم به دنیای پردازش زبان طبیعی می برد.

NLP زیرمجموعه ای از زبان شناسی ، علوم رایانه ای و هوش مصنوعی است که به تعاملات بین رایانه ها و زبان انسان مربوط می شود ، به ویژه نحوه برنامه ریزی رایانه ها برای پردازش و تجزیه و تحلیل مقدار زیادی از داده های زبان طبیعی.

این الگوریتم های رایج و مهم را پوشش می دهد و تجربه کار روی برخی از پروژه های دنیای واقعی را به شما می دهد.


این دوره سرفصل های زیر را پوشش خواهد داد: -

1 مقدمه ای بر NLP.

2 مهندسی ویژگی برای NLP.

3 تمیز کردن داده ها برای NLP.

4 استخراج ویژگی برای NLP.

5 تجسم داده ها برای NLP.

6 طبقه بندی متن.


ما به طور مفصل به تک تک موضوعات پرداخته ایم و همچنین استفاده از آنها را برای مشکلات دنیای واقعی آموخته ایم.


تمرینات و تمرینات زیادی برای شما وجود دارد و همچنین 2 جایزه پروژه NLP "تجزیه و تحلیل احساس" و "تجویز دارو با استفاده از نظرات".

در این پروژه تجزیه و تحلیل احساس ، شما می آموزید که چگونه داده ها را از وب سایت های رسانه های اجتماعی استخراج و ضایعات کنید و اطلاعات مفید این اطلاعات را برای هدایت بینش تجارت بزرگ استخراج کنید.


در این نسخه از دارو با استفاده از پروژه نظرات ، شما خواهید آموخت که چگونه با داده هایی که دارای ویژگی های متنی هستند مقابله کنید ، همچنین با تکنیک های NLP برای تبدیل و پردازش داده ها برای یافتن بینش های مهم آشنا خواهید شد.


شما از تمام مباحث خوانده شده در این دوره استفاده خواهید کرد.

همچنین به کلیه منابع استفاده شده در این دوره دسترسی خواهید داشت.


اکنون ثبت نام کنید و استاد یادگیری ماشین شوید.

این دوره برای چه کسانی است:

  • این دوره برای همه کسانی است که می خواهند به NLP تسلط پیدا کنند.
  • هر کسی که بخواهد در NLP ، یادگیری عمیق و غیره سطح خود را بالا ببرد

سرفصل ها و درس ها

مقدمه ای بر NLP Introduction to NLP

  • NLP چیست؟ What is NLP?

  • چرا باید NLP را یاد بگیرید Why should you learn NLP

  • برنامه های NLP Applications of NLP

  • مراحل حل مشکلات NLP Steps to solve NLP Problems

  • مقدمه ای برای پردازش متن Introduction to Text Processing

  • کتابخانه های مشهوری که برای NLP استفاده می شود Popular Libraries used for NLP

  • مسابقه در مورد مقدمه ای بر NLP Quiz on Introduction to NLP

  • راه حل آزمون Quiz Solution

مهندسی ویژگی برای NLP Feature Engineering for NLP

  • مقدمه ای بر مهندسی ویژگی Introduction to Feature Engineering

  • خواندن و جمع بندی داده های متنی Reading and Summarizing the Text Data

  • یافتن طول ، قطب و ذهنیت Finding the Length, Polarity and Subjectivity

  • پیدا کردن کلمات ، شخصیت ها و تعداد علائم نگارشی Finding the Words, Characters, and Punctuation Count

  • شمردن اسم و فعل در متن Counting Nouns and Verbs in the Text

  • شمردن صفتها ، قیدها و ضمایر Counting Adjectives, Adverb, and Pronouns

  • مسابقه مهندسی ویژگی برای NLP Quiz on Feature Engineering for NLP

تمیز کردن داده ها برای NLP Data Cleaning for NLP

  • چرا تمیز کردن داده ها بسیار ضروری است؟ Why Is it so Necessary to Clean the Data?

  • حذف علائم نگارشی و اعداد Removing Punctuations and Numbers

  • انجام توکن سازی Performing Tokenization

  • حذف نویسه های خاص و برجسته Removing Special and accented Characters

  • مقدمه ای بر کلمات Stop Introduction to Stop words

  • ساقه زدن و لمسی سازی Stemming and Lemmatization

  • مسابقه تمیز کردن داده ها برای NLP Quiz on Data Cleaning for NLP

  • راه حل آزمون Quiz Solution

استخراج ویژگی برای NLP Feature Extraction for NLP

  • استخراج ویژگی چیست؟ What is Feature Extraction?

  • مقدمه ای بر کیسه کلمات Introduction to Bag of Words

  • مقدمه ای بر TFIDF Introduction to TFIDF

  • کیف پیاده سازی Words و TFIDF Implementing bag of Words and TFIDF

  • مقدمه ای بر تجزیه و تحلیل N Grams Introduction to N Grams Analysis

  • در حال انجام تجزیه و تحلیل N Grams Implementing N Grams Analysis

  • مسابقه استخراج ویژگی برای NLP Quiz on Feature Extraction for NLP

  • راه حل آزمون Quiz Solution

تجسم داده ها برای NLP Data Visualization for NLP

  • اهمیت تجسم داده در NLP Importance of Data Visualization in NLP

  • تجسم قطبیت و ذهنیت Visualizing Polarity and Subjectivity

  • برچسب گذاری بخشی از گفتار Part-of-Speech Tagging

  • تجسم اغلب کلمات Visualizing Most Frequent Words

  • تجسم N-Gram ها Visualizing N-Grams

  • معرفی Words Cloud Introduction to Words Cloud

  • مسابقه تجسم داده برای NLP Quiz on Data Visualization for NLP

  • راه حل آزمون Quiz Solution

طبقه بندی متن با استفاده از ML Text Classification using ML

  • طبقه بندی متن چیست؟ What is Text Classification?

  • برنامه های کاربردی برای طبقه بندی متن Applications for Text Classification

  • بهترین مدل ها برای طبقه بندی متن Best Models for Text Classification

  • اجرای طبقه بندی Naive Bayes Implementing a Naive Bayes Classifier

  • پیاده سازی طبقه بندی کننده SVM Implementing a SVM Classifier

  • چیزهای بیشتری برای امتحان کردن More Things to Try

  • مسابقه برای طبقه بندی متن با استفاده از ML Quiz on Text Classification using ML

  • راه حل آزمون Quiz Solution

  • راه حل آزمون Quiz Solution

آنالیز کننده احساسات Sentiment analyzer

  • درک بیان مسئله Understanding the problem statement

  • خراش داده ها از وب سایت های رسانه های اجتماعی Scraping Data from Social Media Websites

  • پاک کردن داده ها Cleaning the data

  • ایجاد یک موتور تحلیلگر احساسات Creating a Sentiment Analyzer Engine

  • تجسم نتایج Visualizing results

  • غذاهای اصلی Major Takeaways

  • مسابقه بر روی تجزیه و تحلیل احساسات Quiz on Sentiment Analysis

تجویز داروها با استفاده از نظرات Drugs Prescription using Reviews

  • تنظیم محیط زیست Setting up the Environment

  • تنظیم محیط زیست Setting up the Environment

  • درک مجموعه داده Understanding the Dataset

  • درک بیان مسئله Understanding the Problem Statement

  • خلاصه مجموعه داده Summarizing the Dataset

  • رونمایی از الگوهای پنهان از مجموعه داده Unveiling Hidden Patterns from the Dataset

  • پاک کردن بررسی ها Cleaning the Reviews

  • محاسبه احساسات از نظرات Calculating Sentiment from Reviews

  • محاسبه اثربخشی و مفید بودن داروها Calculating Effectiveness and Usefulness of Drugs

  • تجزیه و تحلیل شرایط پزشکی Analysing the Medical Conditions

  • یافتن مفیدترین و مفیدترین داروها برای هر بیماری Finding Most Useful and Useful Drugs for each Condition

  • مسابقه با تجویز دارو Quiz on Drug Prescription

بخش Outro Outro Section

  • نتیجه Conclusion

  • چگونه می توان گواهی پایان کار خود را دریافت کرد How to Get Your Certificate of Completion

بخش پاداش Bonus Section

  • سخنرانی جایزه Bonus Lecture

نمایش نظرات

آموزش پردازش زبان طبیعی: NLP در پایتون همراه با پروژه ها
جزییات دوره
2h 58m
70
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
11,683
از 5
ندارد
ندارد
ندارد
Data is Good
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data is Good Data is Good

یک تیم بزرگ ، گوگل ، فیس بوک ، کاگل ، ما یک شرکت آموزش فناوری "indie" هستیم. این چشم انداز ما این است که با تبدیل آموزش ، توانایی بالقوه انسانی را باز کنیم و آن را برای همه قابل دسترسی و مقرون به صرفه کنیم. ما به شدت مستقل و مفتخریم که تنها تمرکز خود را برای ایجاد آموزش فناوری در سطح جهانی برای هر کسی در این کره خاکی می دانیم. داده ها خوب است که ماموریت دارند دوره هایی ایجاد کنند که دانش آموزان ما را نه تنها موضوع یاد بگیرند ، بلکه عاشق آن شوند و یادگیرندگان پرشور و مادام العمر آن موضوع شوند.