آموزش انویدیا: مبانی پردازش زبان طبیعی (NLP) و ترنسفورمرها - آخرین آپدیت

مفاهیم پردازش زبان طبیعی Introduction to NLP Concepts

• چرا NLP اهمیت دارد؟ Why NLP is Important ?

• وظایف و کاربردهای NLP NLP Tasks and Applications

• توکن‌سازی (Tokenization) Tokenization

• تکنیک‌های پیش‌پردازش متن Text Preprocessing Techniques

• غلبه بر چالش‌های NLP با انویدیا Overcoming NLP Challenges with NVIDIA

• ساخت خط‌لوله (Pipeline) پردازش زبان طبیعی Consutruction of NLP Pipeline

• دموی طبقه‌بندی خط‌لوله NLP با مجموعه داده پرواز NLP Pipeline - Classification - Flight Dataset Demo

• دموی طبقه‌بندی خط‌لوله NLP: برازش و ارزیابی NLP Pipeline Classification - Demo - Perform Fit & Evaluation

• جاسازی کلمات (Word Embeddings) Word Embeddings

• مقایسه CBOW و Skipgram CBOW vs Skipgram

مدل‌های توالی و ترنسفورمرها Sequence Models and Transformers

• آشنایی با مدل‌های توالی و انواع آن‌ها Introduction to Sequence Models and its Types

• درک شبکه‌های عصبی بازگشتی (RNN) Understanding RNN

• مشکلات محوشدگی و انفجار گرادینت Vanishing and Exploding Gradients

• معرفی LSTM و GRU Introducing the LSTM & GRU

• نقش ترنسفورمرها در توسعه NLP Role of Transformers in the NLP Development

• ویژگی‌های کلیدی معماری ترنسفورمر Key Features of Transformer Architecture

• بررسی عمیق کدگذاری موقعیتی (Positional Encoding) Positional Encoding - Deep Dive

• درک مکانیزم خود-توجهی در ترنسفورمرها Understanding Self Attention of Transformers

• درک مکانیزم توجه چند-سره (Multi-Head Attention) Understanding Multi Head Attention of Transformers

• درک معماری رمزگذار-رمزگشا (Encoder-Decoder) Understandng the Encoder-Decoder Architecture of Transformers

• انواع مدل‌های ترنسفورمر Types of Transformer Models