آموزش دوره‌ی جامع پردازش زبان طبیعی (NLP) با مدل‌های پیشرفته: برای تمامی دانشجویان - آخرین آپدیت

سرفصل ها و درس ها

مقدمه دوره و مواد آموزشی دوره Introduction to course and course material

• معرفی دوره Introduction of the course

• مواد آموزشی دوره Course Material

• چگونه در این دوره موفق شویم How to succeed in this course

مقدمه گوگل Colab Introduction to Google Colab

• مقدمه بخش Introduction of the section

• Mount کردن درایو و خواندن Dataset Mounting the drive and reading Dataset

• خواندن و نمایش تصاویر Reading and displaying images

• خواندن Datasets بیشتر Reading More Datasets

• آپلود کردن مواد آموزشی دوره در گوگل درایو Uploading Course Material to Google drive

مقدمه پردازش زبان طبیعی ( NLP ) Introduction to Natural Language Processing ( NLP )

• مقدمه NLP Introduction to NLP

• تاریخچه NLP NLP History

• کاربرد‌های NLP Applications of NLP

• واژگان و Corpus Vocabulary and Corpus

پیش‌پردازش متن Text Preprocessing

• مقدمه بخش Introduction of the section

• Tokenization و چالش‌ها Tokenization and Challenges

• انواع Tokenization Types of Tokenization

• پروژه ۰۱ : Tokenization با پایتون Project01 : Tokenization with Python

• پروژه ۰۲ : Tokenization با NLTK Project02 : Tokenization with NLTK

• ریشه‌یابی، Lemmatization و کلمات توقف ( Stopwords ) Stemming, Lemmatization and Stopwords

• ریشه‌یابی و Lemmatization با NLTK Stemming and Lemmatization with NLTK

بردار‌سازی متن Text Vectorization

• مقدمه بخش Introduction of the section

• نگاشت کلمه به شاخص Word to Index Mapping

• نگاشت کلمه به شاخص با پایتون Word to Index Mapping with Python

• Bag of Words Bag of Words

• شمارش‌گر بردار ( Count Vectorizer ) Count Vectorizer

• شمارش‌گر بردار با پایتون Count Vectorizer with Python

• یادگیری ماشین با شمارش‌گر بردار Machine Learning with Count Vectorizer

• شمارش‌گر بردار TF-IDF TF-IDF Vectorizer

• شمارش‌گر بردار TF-IDF در پایتون TF-IDF Vectorizer in Python

طبقه‌بندی متن با مدل‌های یادگیری ماشین Text Classification with Machine Learning Models

• مقدمه بخش Introduction of the section

تحلیل احساسات Sentiment Analysis

• مقدمه بخش Introduction of the section

• مفهوم پایه رگرسیون لجستیک Basic Concept of Logistic Regression

• محدودیت‌های رگرسیون Limitations of Regression

• تبدیل رگرسیون خطی به رگرسیون لجستیک Transforming Linear Regression into Logistic Regression

• ارزیابی مدل Model Evaluation

• دقت ( Accuracy ) - دقت مثبت واقعی ( Precision ) - بازیابی ( Recall ) - امتیاز F1 Accuracy-Precision-Recall-F1 score

• پروژه ۰۱ : تحلیل احساسات با رگرسیون لجستیک Project01 : Sentiment Analysis by Logistic Regression

• شهود پشت K-نزدیک‌ترین همسایه ( KNN ) Intuition behind K-Nearest Neighbor ( KNN )

• الگوریتم KNN KNN Algorithm

• مثال عددی روی KNN Numerical Example on KNN

• پروژه ۰۲ : تحلیل احساسات با KNN Project02 : Sentiment Analysis With KNN

• مدل تحلیل احساسات از پیش آموزش‌دیده Pre-trained Sentiment Analysis Model

تشخیص اسپم Spam Detection

• مقدمه بخش Introduction of the section

• مبانی احتمال Fundamentals of Probability

• احتمال شرطی و قضیه بیز Conditional Probability and Bayes Theorem

• مثال عددی روی قضیه بیز Numerical on Bayes Theorem

• طبقه‌بندی بیز ساده ( Naive Bayes Classification ) Naive Bayes Classification

• مقایسه طبقه‌بندی بیز ساده با رگرسیون لجستیک Comparing Naive Bayes Classification with Logistic Regression

• پروژه ۰۱ : تشخیص اسپم با طبقه‌بندی‌کننده بیز ساده Project01 : Spam detection with Naive Bayes Classifier

• مبانی ماشین بردار پشتیبان ( SVM ) Fundamentals of Support Vector Machine ( SVM )

• ریاضیات SVM Mathematics of SVM

• طبقه‌بندی‌کننده حاشیه سخت و نرم Hard and Soft Margin Classifier

• قانون تصمیم برای SVM Decision rule for SVM

• ترفند هسته ( Kernel trick ) در SVM Kernel trick in SVM

• تشخیص اسپم با SVM Spam detection with SVM

توزیع دیریکله ( اختیاری ) Dirichlet Distribution ( Optional )

• مقدمه بخش Introduction of the section

• توزیع داده‌ها در آمار Data Distribution in Statistics

• توزیع دیریکله Dirichlet Distribution

• کاربردهای توزیع دیریکله Applications of Dirichlet Distribution

مدل‌سازی موضوعی Topic Modeling

• مقدمه بخش Introduction of the section

• مدل‌سازی موضوعی Topic Modeling

• تخصیص دیریکله پنهان ( LDA ) Latent Dirichlet Allocation ( LDA )

• پروژه ۰۱ : مدل‌سازی موضوعی با LDA Project01 : Topic Modeling with LDA

• تجزیه ماتریس نامنفی ( NMF ) Non Negative Matrix Factorization ( NMF )

• مدل‌سازی موضوعی با NMF Topic Modeling with NMF

شبکه‌های عصبی Neural Networks

• مقدمه بخش Introduction of the section

• پرسپترون The Perceptron

• ویژگی‌ها، وزن و توابع فعال‌سازی Features, Weight and Activation Functions

• یادگیری شبکه عصبی Learning of Neural Network

• نیاز به توابع فعال‌سازی Need of Activation Functions

• افزودن تابع فعال‌سازی به شبکه عصبی Adding Activation Function to Neural Network

• سیگموئید به عنوان تابع فعال‌سازی Sigmoid as an Activation Function

• تابع تانژانت هیپربولیک Hyperbolic Tangent Function

• ReLU و Leaky ReLU ReLU and Leaky ReLU

• تابع زیان MSE MSE Loss Function

• تابع زیان Cross Entropy Cross Entropy Loss Function

• تابع سافت‌مکس Softmax Function

شبکه‌های عصبی برای طبقه‌بندی متن Neural Network for Text Classification

• مقدمه بخش Introduction of the section

• آماده‌سازی کد Code Preparation

• پروژه ۰۱ : پیاده‌سازی شبکه عصبی در تنسورفلو بخش اول Project01 : Implementing Neural Network in TensorFlow Part-01

• پروژه ۰۱ : پیاده‌سازی شبکه عصبی در تنسورفلو بخش دوم Project01 : Implementing Neural Network in TensorFlow Part-02

• پروژه ۰۲ : طبقه‌بندی متن با شبکه عصبی بخش اول Project02 : Text Classification with Neural Network Part-01

• پروژه ۰۲ : طبقه‌بندی متن با شبکه عصبی بخش دوم Project02 : Text Classification with Neural Network Part-02

تعبیه کلمات ( روش آماری ) Word Embeddings ( Statistical Method )

• مقدمه بخش Introduction of the section

• رمزگذاری One Hot One Hot Encoding

• رمزگذاری One Hot در پایتون One Hot Encoding in Python

• ماتریس هم‌وقوعی - شهود تعبیه کلمات Co-occurrence Matrix - Word Embeddings Intuition

تعبیه کلمات عصبی ( Word2Vec ) Neural Word Embeddings ( Word2Vec )

• مقدمه بخش Introduction of the section

• روش‌های تعبیه کلمات Methods of Word Embeddings

• پیاده‌سازی روش‌های Word2Vec Implementing Methods of Word2Vec

• کیسه کلمات پیوسته ( CBOW ) Continuous Bag of Words ( CBOW )

• پروژه ۰۱ : پیاده‌سازی CBOW بخش اول Project01 : Implementing CBOW Part-01

• پروژه ۰۱ : پیاده‌سازی CBOW بخش دوم Project01 : Implementing CBOW Part-02

• پروژه ۰۱ : پیاده‌سازی CBOW بخش سوم Project01 : Implementing CBOW Part-03

• پروژه ۰۲ : پیاده‌سازی CBOW با استفاده از Corpus بزرگ Project02 : Implementing CBOW using Large Corpus

• Word2Vec از پیش آموزش‌دیده Pretrained Word2Vec

• پروژه ۰۳ : یافتن قیاس‌ها با Word2Vec Project03 : Find Analogies with Word2Vec

• طبقه‌بندی متن با استفاده از Word2Vec Text Classification using Word2Vec

تعبیه کلمات عصبی ( GloVe ) Neural Word Embeddings ( GloVe )

• مقدمه بخش Introduction of the section

• پروژه ۰۱ : پیاده‌سازی GloVe Project01 : GloVe Implementation

• پروژه ۰۲ : GloVe از پیش آموزش‌دیده Project02: Pretrained GloVe

• پروژه ۰۳ : طبقه‌بندی متن با استفاده از GloVe Project03 : Text Classification using GloVe

هوش مصنوعی مولد برای NLP Generative AI for NLP

• مقدمه بخش Introduction of the section

مدل مارکوف برای تولید متن Markov Model for Text Generation

• مقدمه بخش Introduction of the section

• مدل مارکوف و ماتریس انتقال حالت Markov Model and State Transition Matrix

• پروژه ۰۱ : تولید متن با ماتریس انتقال حالت Project01 : Text Generation by State Transition Matrix

• مدل مارکوف مرتبه اول برای تولید متن First Order Markov Model for Text Generation

• پروژه ۰۲ : تولید متن با مدل مارکوف مرتبه اول Project02 : Text Generation by First Order Markov Model

• مدل مارکوف مرتبه دوم Second Order Markov Model

• پروژه ۰۳ : تولید متن با مدل مارکوف مرتبه دوم Project03 : Text Generation by Second Order Markov Model

• پروژه ۰۴ : تولید متن با مدل مارکوف مرتبه دوم با استفاده از Corpus بزرگ Project04 : Text Generation by Second Order Markov Model using Large Corpus

• پروژه ۰۵ : تولید متن با مدل مارکوف مرتبه سوم Project05 : Text Generation by Third Order Markov Model

شبکه‌های عصبی بازگشتی ( RNN ) Recurrent Neural Networks ( RNN )

• مقدمه بخش Introduction of the section

• نیاز به RNN Need of RNN

• داده‌های ترتیبی Sequential Data

• ANN به RNN ANN to RNN

• انتشار به عقب از طریق زمان Back Propagation Through Time

• حافظه طولانی کوتاه مدت ( LSTM ) Long Short Term Memory ( LSTM )

• گیت‌های LSTM LSTM Gates

• مفهوم اندازه دسته، طول توالی و ابعاد ویژگی Concept of Batch size, Sequence length and Feature dimension

• پروژه ۰۱ : اشکال LSTM Project01: LSTM Shapes

• پروژه ۰۲ : پیش‌بینی سری زمانی با LSTM Project02 : Time Series Prediction by LSTM

• طبقه‌بندی MNIST با LSTM MNIST Classification by LSTM

• پروژه ۰۳ : طبقه‌بندی MNIST بخش اول Project03: MNIST Classification Part01

• پروژه ۰۳ : طبقه‌بندی MNIST بخش دوم Project03: MNIST Classification Part02

• طبقه‌بندی متن Text Classification

• پروژه ۰۴ : پیش‌پردازش متن Project04 : Text Preprocessing

• پروژه ۰۵ : طبقه‌بندی متن با LSTM Project05 : Text Classification by LSTM

شبکه توالی به توالی ( Seq2Seq ) Sequence to sequence ( Seq2Seq ) Network

• مقدمه بخش Introduction of the section

• پیاده‌سازی شبکه Seq2Seq و Teacher Forcing Implementing Seq2Seq Network and Teacher Forcing

• پروژه ۰۱ : تولید متن با شبکه Seq2Seq Project01 : Text Generation by Seq2Seq Network

• پروژه ۰۲ : ترجمه ماشینی ( ترجمه زبان ) با شبکه Seq2Seq Project02 : Machine Translation ( Language Translation ) by Seq2Seq Network

یادگیری انتقالی با ترنسفورمر Transfer Learning with Transformer

• مقدمه بخش Introduction of the section

• پروژه ۰۱ : تحلیل احساسات Project01 : Sentiment Analysis

• پروژه ۰۲ : تولید متن Project02 : Text Generation

• پروژه ۰۳ : مدل‌سازی زبان ماسک شده Project03 : Masked Language Modeling

• پروژه ۰۴ : خلاصه‌سازی متن Project04 : Text Summarization

• پروژه ۰۵ : ترجمه ماشینی Project05 : Machine Translation

• پروژه ۰۶ : پاسخ به سوال Project06 : Question Answering

معماری ترنسفورمر Transformer Architecture

• بلوک‌های ساختمانی اساسی ترنسفورمر Fundamental Building Blocks of Transformer

• رمزگذار و رمزگشا Encoder and Decoder

• رمزگذاری موقعیتی Positional Encoding

• مکانیزم توجه Attention Mechanism

تنظیم دقیق ترنسفورمر Fine Tuning the Transformer

• مقدمه بخش Introduction of the section

• پروژه ۰۱ : مدل و Tokenization Project01 : Model and Tokenization

• پروژه ۰۲ : تنظیم دقیق ترنسفورمر برای تحلیل احساسات Project02 : Fine Tuning Transformer for Sentiment Analysis

• پروژه ۰۳ : تنظیم دقیق ترنسفورمر روی مجموعه داده سفارشی Project03 : Fine Tuning Transformer on Custom Dataset

بخش‌های بیشتر More Sections

• مقدمه بخش Introduction of the section

LSTM دوطرفه Bidirectional LSTM

• مقدمه بخش Introduction of the section

• نحوه کار LSTM دوطرفه Working of Bidirectional LSTM

• پروژه ۰۱ : اشکال LSTM دوطرفه Project01 : Shapes of Bidirectional LSTM

• پروژه ۰۲ : LSTM دوطرفه برای مجموعه داده MNIST Project02 : Bidirectional LSTM for MNIST dataset

• LSTM دوطرفه دوتایی Dual Bidirectional LSTM

• پروژه ۰۳ : LSTM دوطرفه دوتایی برای مجموعه داده MNIST Project03 : Dual Bidirectional LSTM for MNIST dataset

ترنسفورمر سری زمانی Time Series Transformer

• مقدمه بخش Introduction of the section

• پروژه ۰۱ : اشکال رمزگذار Project01 : Shapes of Encoder

• پروژه ۰۲ : طبقه‌بندی سری زمانی Project02 : Time Series Classification

• پروژه ۰۳ : اشکال ترنسفورمر سری زمانی Project03 : Time Series Transformer Shapes

• پروژه ۰۴ : بازسازی سری زمانی توسط ترنسفورمر سری زمانی Project04 : Time Series Reconstruction by Time Series Transformer

یادآوری پایتون Python Refresher

• مقدمه بخش Introduction of the section

• عملیات حسابی با پایتون Arithmetic with Python

• عملیات مقایسه‌ای و منطقی Comparison and Logical Operations

• دستورات شرطی Conditional Statements

• آرایه‌های NumPy بخش اول NumPy Arrays Part01

• آرایه‌های NumPy بخش دوم NumPy Arrays Part02

• آرایه‌های NumPy بخش سوم NumPy Arrays Part03

• رسم و مصورسازی بخش اول Plotting and Visualization Part01

• رسم و مصورسازی بخش دوم Plotting and Visualization Part02

• رسم و مصورسازی بخش سوم Plotting and Visualization Part03

• رسم و مصورسازی بخش چهارم Plotting and Visualization Part04

• لیست‌ها در پایتون Lists in Python

• حلقه‌های For بخش اول For Loops Part01

• حلقه‌های For بخش دوم For Loops Part02

• حلقه While While Loop

• رشته‌ها در پایتون Strings in Python

• قالب‌بندی Print با رشته‌ها Print Formatting with Strings

• دیکشنری‌ها بخش اول Dictionaries Part01

• دیکشنری‌ها بخش دوم Dictionaries Part02

• Seaborn بخش اول Seaborn part01

• Seaborn بخش دوم Seaborn part02

• Seaborn بخش سوم Seaborn part03

• Pandas بخش اول Pandas Part01

• Pandas بخش دوم Pandas Part02

• Pandas بخش سوم Pandas Part03

• Pandas بخش چهارم Pandas Part04

• توابع در پایتون بخش اول Functions in Python Part01

• توابع در پایتون بخش دوم Functions in Python Part02

• کلاس‌ها در پایتون Classes in Python

• تاپل‌ها Tuples

• تابع Lambda Lambda Function

• تابع Map Map Function

• تابع Reduce Reduce Function

• تابع Filter Filter function

• تابع zip zip function

• تابع join join function

سخنرانی جایزه Bonus Lecture

• مقدمه سخنرانی Introduction of the lecture