آموزش یادگیری ماشین در Google Cloud: مدل‌های توالی و متن

Machine Learning on Google Cloud: Sequence and Text Models

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی پیشرفته در Google Cloud: مدل‌های دنباله‌ای و NLP (پردازش زبان طبیعی) در Google Cloud مقدمه‌ای برای شروع کار با Google Cloud Platform (GCP) خواندن و پردازش داده‌های متنی در GCP پیاده‌سازی تکنیک‌های رایج پردازش زبان طبیعی (NLP) مانند موجودیت تجزیه و تحلیل و تشخیص کلمه کلیدی بر روی داده های متنی انجام طبقه بندی متن با استفاده از مدل های تمایل عمیق شروع با OpenAI برای مدل زبان بزرگ (LLM) تجزیه و تحلیل متن مبتنی بر پیش نیازها: باید تجربه قبلی در علم داده پایتون داشته باشد تجربه قبلی از تکنیک های آماری و یادگیری ماشینی خواهد بود. سودمند باید علاقه مند به استخراج بینش از تجزیه و تحلیل متن باشد، باید علاقه مند به استفاده از مدل های یادگیری ماشین بر روی داده های متنی باشد.

پردازش زبان طبیعی (NLP) زیرشاخه‌ای از هوش مصنوعی (AI) است که رایانه‌ها را قادر می‌سازد زبان گفتاری و نوشتاری انسان را درک کنند. NLP کاربردهای مختلفی دارد، از جمله تبدیل متن به صدا و گفتار به متن، ربات‌های گفتگو، سیستم‌های پرسش و پاسخ خودکار (Q A)، ایجاد خودکار توضیحات تصویر و زیرنویس‌های ویدیویی. با معرفی ChatGPT، هر دو مدل NLP و مدل های زبان بزرگ (LLM) به طور فزاینده ای محبوب خواهند شد و به طور بالقوه منجر به افزایش فرصت های شغلی در این شاخه از هوش مصنوعی می شوند. Google Cloud Processing (GCP) پتانسیل استفاده از قدرت رایانش ابری را برای مجموعه‌های متنی بزرگ‌تر و توسعه مدل‌های تجزیه و تحلیل متن مقیاس‌پذیر ارائه می‌دهد.

دوره آموزشی من پایه‌ای برای انجام تجزیه و تحلیل متن مبتنی بر NLP و LLM واقعی با استفاده از GCP فراهم می‌کند. با گذراندن این دوره، شما یک گام مهم به جلو در سفر علم داده خود برداشته اید تا در استفاده از قدرت داده های متنی برای استخراج بینش و شناسایی روندها، متخصص شوید.

چرا باید در دوره من شرکت کنید؟

من مدرک کارشناسی ارشد (جغرافیا و محیط زیست) از دانشگاه آکسفورد، انگلستان دارم. من همچنین دکترای علوم داده را در دانشگاه کمبریج (اکولوژی و حفاظت گرمسیری) به پایان رساندم.

من چندین سال تجربه در تجزیه و تحلیل داده های واقعی از منابع مختلف و تولید نشریات برای مجلات معتبر بین المللی دارم.

این دوره به شما کمک می کند تا با استفاده از تکنیک های NLP، OpenAI و تجزیه و تحلیل LLM در تجزیه و تحلیل متن GCP تسلط داشته باشید. به طور خاص، شما

را انجام خواهید داد
  • در راه‌اندازی و استفاده از Google Cloud Processing (GCP) برای وظایف علم داده پایتون مهارت کسب کنید

  • تکنیک های استاندارد استخراج متن را انجام دهید.

  • اطلاعات متنی استخراج شده را به شکل قابل استفاده از طریق تکنیک های پیش پردازش پیاده سازی شده از طریق بسته های قدرتمند پایتون مانند NTLK پردازش کنید.

  • پایه بندی کامل در تجزیه و تحلیل متن و بسته های Python مرتبط با NLP مانند NTLK، Gensim و سایر موارد

  • از مدل های یادگیری عمیق برای انجام کارهای روزمره تجزیه و تحلیل متن مانند طبقه بندی متن استفاده کنید.

  • مقدمه ای بر چارچوب های رایج LLM مانند OpenAI و Hugging Face.

علاوه بر همه موارد فوق، شما از حمایت مستمر من برخوردار خواهید بود تا مطمئن شوید که بیشترین ارزش را از سرمایه گذاری خود دریافت می کنید!

اکنون ثبت نام کنید :)


سرفصل ها و درس ها

مقدمه دوره Introduction To the Course

  • به دوره خوش آمدید Welcome To the Course

  • داده و کد Data and Code

  • نصب پایتون Python Installation

  • نصب بسته ها در گوگل کولب Installing Packages In Google Colab

مروری بر Google Cloud Platform (GCP) An Overview of Google Cloud Platform (GCP)

  • از کجا شروع کنیم؟ Where to Start?

  • بیایید به رابط GCP نگاه کنیم (و دسترسی به نسخه آزمایشی رایگان) Lets Look at the GCP Interface (And Accessing the Free Trial)

  • مجوزها و دسترسی Permissions and Access

  • برخی از مؤلفه های یادگیری ماشینی GCP Some Components of GCP Machine Learning

  • GCP و APIهای یادگیری ماشین GCP and Machine Learning APIs

  • سطل های GCP GCP Buckets

  • Virtual Speaking: ماشین های مجازی (VM) Virtually Speaking: Virtual Machines (VMs)

  • مهره و پیچ و مهره Google Big Query Nuts and Bolts of Google Big Query

نوت بوک پایتون/ژوپیتر و GCP Python/Jupyter Notebooks and GCP

  • کار با نوت بوک های Jupyter (The Vertex Way) Working With Jupyter Notebooks (The Vertex Way)

  • با JupyterLab کار کنید Work With JupyterLab

  • دسترسی سریع Quick Access

  • Tensorflow را از قبل نصب کنید Pre-Install Tensorflow

  • دسترسی به داده ها از Buckets به JupyetrLab Access Data From Buckets To JupyetrLab

  • با محیط مشارکتی گوگل شروع کنید Start With Google Colaboratory Environment

  • Google Colabs و GPU Google Colabs and GPU

  • دسترسی به یک CSV منفرد از GCP Buckets به Colab Accessing A Single CSV From GCP Buckets Into Colab

  • چندین فایل PDF Multiple PDFs

محیط مدلسازی متن خود را تنظیم کنید Set Up Your Text Modelling Environment

  • به OpenAI API دسترسی پیدا کنید Get Access To the OpenAI API

  • برای HuggingFace ثبت نام کنید Sign Up For HuggingFace

  • مقدمه ای بر LangChain Introduction to LangChain

دریافت و پیش پردازش داده های متنی Text Data Ingestion and Pre-Processing

  • در یک پی دی اف بخوانید Read in a PDF

  • در چندین فایل PDF بخوانید Read in Multiple PDFs

  • پاکسازی متن اولیه Basic Text Cleaning

  • تمیز کردن متن با NLTK Text Cleaning With NLTK

تجزیه و تحلیل پردازش زبان طبیعی (NLP). Natural Language Processing (NLP) Analysis

  • NLP NLP

  • استخراج کلمه کلیدی Keyword Extraction

  • TFIDF TFIDF

  • شباهت سند Document Similarity

  • شباهت متن Text Similarity

  • شباهت متن با ترانسفورماتور Text Similarity With Transformers

  • شناسایی نهاد نامگذاری شده (NER) Named Entity Recognition (NER)

  • پیوند نهاد با نام (NEL) Named Entity Linking (NEL)

طبقه بندی متن Text Classification

  • نظریه LSTM LSTM Theory

  • مراحل مقدماتی Preliminary Steps

  • قالب بندی داده های متنی Text Data Formatting

  • از رمزگذاری و padding Of Encoding and Padding

  • ساخت مدل LSTM Building the LSTM Model

  • DistiBERT را نصب کنید Install DistiBERT

  • یک مدل طبقه بندی بسازید Build a Classification Model

سخنرانی های متفرقه Miscellaneous Lectures

  • معرفی Numpy Introduction to Numpy

  • پاندا چیست؟ What Is Pandas?

  • پاکسازی اولیه داده ها با پانداها Basic Data Cleaning With Pandas

  • فرهنگ لغت Dictionary

نمایش نظرات

آموزش یادگیری ماشین در Google Cloud: مدل‌های توالی و متن
جزییات دوره
3.5 hours
47
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
43
4.8 از 5
ندارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم