لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش با یادگیری ماشین و مهندسی ویژگی، اخبار جعلی را شناسایی کنید
Detect Fake News with Machine Learning & Feature Engineering
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش ساخت مدل تشخیص اخبار جعلی با استفاده از یادگیری ماشین، مهندسی ویژگی، رگرسیون لجستیک و NLP آموزش ساخت مدل تشخیص اخبار جعلی با مهندسی ویژگی آموزش ساخت مدل تشخیص اخبار جعلی با رگرسیون لجستیک آموزش ساخت مدل تشخیص اخبار جعلی با مطالعه موردی جنگل تصادفی: استفاده از مهندسی ویژگی برای پیشبینی واقعی یا جعلی بودن عنوان یک خبر اصول اولیه مدل تشخیص اخبار جعلی را بیاموزید عواملی را که در گسترش گسترده اخبار جعلی و اطلاعات نادرست نقش دارند یاد بگیرید چگونه اعتبار منبع خبری را انجام دهید یاد بگیرید چگونه شناسایی کلمات کلیدی مرتبط با اخبار جعلی نحوه انجام تجزیه و تحلیل عنوان و طول اخبار را بیاموزید نحوه تشخیص احساسات در اخبار جعلی را بیاموزید نحوه تشخیص احساسات در جعلی جدید با NLP آموزش ارزیابی مدل تشخیص اخبار جعلی با ماتریس سردرگمی آموزش نحوه انجام ممیزی عادلانه با تفاوت برابری جمعیتی یاد بگیرید چگونه تعصب بالقوه را در تشخیص اخبار جعلی کاهش دهید یاد بگیرید چگونه مجموعه داده را با حذف ردیف های از دست رفته و مقادیر تکراری پاک کنید آموزش یافتن و دانلود مجموعه داده ها از Kaggle پیش نیازها: هیچ تجربه قبلی در یادگیری ماشین لازم نیست دانش پایه در پایتون و آمار
به دوره آموزشی تشخیص اخبار جعلی با یادگیری ماشین خوش آمدید. این یک دوره جامع مبتنی بر پروژه است که در آن گام به گام نحوه ساخت یک سیستم تشخیص اخبار جعلی با استفاده از مهندسی ویژگی، رگرسیون لجستیک و سایر مدل ها را یاد خواهید گرفت. این دوره ترکیبی عالی بین پایتون و یادگیری ماشینی است و آن را به فرصتی ایده آل برای تقویت مهارت های علم داده شما تبدیل می کند. این دوره عمدتاً بر سه جنبه اصلی تمرکز خواهد داشت، اولی تجزیه و تحلیل داده ها است که در آن مجموعه داده های اخبار جعلی را از زوایای مختلف بررسی می کنید، دومی مدل سازی پیش بینی است که در آن یاد می گیرید که چگونه با استفاده از داده های بزرگ، سیستم تشخیص اخبار جعلی بسازید. و سومین مورد کاهش سوگیری های احتمالی از مدل های تشخیص اخبار جعلی است. در جلسه معرفی، اصول اولیه مدلهای تشخیص اخبار جعلی، مانند آشنایی با ملاحظات اخلاقی و چالشهای رایج را خواهید آموخت. سپس، در جلسه بعدی، قصد داریم یک مطالعه موردی داشته باشیم که در آن شما یاد خواهید گرفت که چگونه مهندسی ویژگی را بر روی یک مجموعه داده ساده برای پیش بینی واقعی یا جعلی بودن یک خبر پیاده سازی کنید. در مطالعه موردی شما به طور خاص یاد خواهید گرفت که چگونه وجود کلمات خاصی را که به طور مکرر در اخبار جعلی استفاده می شود شناسایی کنید و احتمال جعلی بودن یک مقاله خبری را بر اساس سابقه ناشر خبر محاسبه کنید. پس از آن، همچنین در مورد عوامل متعددی که در انتشار گسترده اطلاعات نادرست اخبار جعلی نقش دارند، آشنا خواهید شد، مانند نمونه هایی مانند سوگیری تایید، اتاق پژواک رسانه های اجتماعی و انگیزه های کلیک طعمه. هنگامی که تمام دانش لازم در مورد مدل تشخیص اخبار جعلی را آموختید، پروژه را آغاز خواهیم کرد. ابتدا در مورد نحوه راه اندازی Google Colab IDE گام به گام راهنمایی خواهید شد. علاوه بر آن، نحوه یافتن و دانلود مجموعه داده های اخبار جعلی را از Kaggle نیز یاد خواهید گرفت، هنگامی که همه چیز آماده شد، وارد بخش اصلی دوره می شویم که بخش پروژه است. پروژه از سه قسمت اصلی تشکیل شده است. بخش اول تجزیه و تحلیل داده ها و تجسم سازی است که در آن مجموعه داده ها را از زوایای مختلف بررسی می کنید، در قسمت دوم، گام به گام نحوه ساخت یک سیستم تشخیص اخبار جعلی با استفاده از رگرسیون لجستیک و مهندسی ویژگی را یاد خواهید گرفت، در عین حال، در بخش سوم، نحوه ارزیابی دقت مدل را یاد خواهید گرفت. در نهایت، در پایان دوره، یاد خواهید گرفت که چگونه با تنوع بخشیدن به داده های آموزشی و انجام ممیزی های عادلانه، سوگیری احتمالی را در سیستم های تشخیص اخبار جعلی کاهش دهید.
اول از همه، قبل از ورود به دوره، باید این سوال را از خود بپرسیم: چرا باید سیستمهای تشخیص اخبار جعلی بسازیم؟ خب جواب من اینجاست در یکی دو سال گذشته شاهد افزایش چشمگیر تعداد افرادی که از شبکه های اجتماعی استفاده می کنند و به تبع آن رشد تصاعدی در حجم اخبار و اطلاعات به اشتراک گذاشته شده آنلاین بوده ایم. در حالی که این فرصتهای باورنکردنی برای برقراری ارتباط فراهم میکند، با این حال، این افزایش در اشتراکگذاری اطلاعات هزینهای دارد، انتشار سریع اخبار تأیید نشده، گمراهکننده یا کاملاً ساختگی. این داستان ها می توانند افکار عمومی را تحت تأثیر قرار دهند، ترس را برانگیزند و حتی پیامدهای سیاسی و اجتماعی داشته باشند. در دنیایی که اطلاعات قدرت است، توانایی تشخیص گزارش دقیق و محتوای فریبنده بسیار ارزشمند است. آخرین اما نه کم اهمیت، دانستن نحوه ساخت یک مدل یادگیری ماشینی پیچیده به طور بالقوه می تواند فرصت های زیادی را ایجاد کند.
در زیر مواردی وجود دارد که میتوانید از این دوره یاد بگیرید:
اصول اساسی مدل تشخیص اخبار جعلی را بیاموزید
مطالعه موردی: استفاده از مهندسی ویژگی برای پیش بینی واقعی یا جعلی بودن عنوان خبری
عواملی را بیاموزید که به انتشار گسترده اطلاعات نادرست اخبار جعلی کمک می کند
با نحوه یافتن و دانلود مجموعه داده ها از Kaggle آشنا شوید
نحوه تمیز کردن مجموعه داده با حذف ردیفهای از دست رفته و مقادیر تکراری را بیاموزید
با نحوه انجام اعتبار منبع خبری آشنا شوید
با نحوه شناسایی کلمات کلیدی مرتبط با اخبار جعلی آشنا شوید
با نحوه انجام تحلیل عنوان و طول اخبار آشنا شوید
با نحوه تشخیص احساسات در اخبار جعلی آشنا شوید
با نحوه تشخیص احساسات در جعلی جدید با NLP آشنا شوید
با نحوه ساخت مدل تشخیص اخبار جعلی با مهندسی ویژگی آشنا شوید
با نحوه ساخت مدل تشخیص اخبار جعلی با رگرسیون لجستیک آشنا شوید
با نحوه ساخت مدل تشخیص اخبار جعلی با Random Forest آشنا شوید
با نحوه ارزیابی مدل تشخیص اخبار جعلی با ماتریس سردرگمی آشنا شوید
با نحوه انجام حسابرسی عادلانه با تفاوت برابری جمعیتی آشنا شوید
با نحوه کاهش سوگیری احتمالی در تشخیص اخبار جعلی آشنا شوید
سرفصل ها و درس ها
معرفی
Introduction
مقدمه دوره
Introduction to the Course
فهرست مطالب
Table of Contents
این دوره برای چه کسانی در نظر گرفته شده است؟
Whom This Course is Intended for?
ابزارها، IDE و مجموعه داده ها
Tools, IDE, and Datasets
ابزارها، IDE و مجموعه داده ها
Tools, IDE, and Datasets
مقدمه ای بر سیستم تشخیص اخبار جعلی
Introduction to Fake News Detection System
مقدمه ای بر سیستم تشخیص اخبار جعلی
Introduction to Fake News Detection System
مهندسی ویژگی برای تشخیص اخبار جعلی
Feature Engineering for Detecting Fake News
مهندسی ویژگی برای تشخیص اخبار جعلی
Feature Engineering for Detecting Fake News
عواملی که به انتشار گسترده اخبار جعلی و اطلاعات نادرست کمک می کند
Factors That Contribute to the Widespread of Fake News & Misinformation
عواملی که به انتشار گسترده اخبار جعلی و اطلاعات نادرست کمک می کند
Factors That Contribute to the Widespread of Fake News & Misinformation
راه اندازی Google Colab IDE
Setting Up Google Colab IDE
راه اندازی Google Colab IDE
Setting Up Google Colab IDE
یافتن و دانلود مجموعه داده اخبار جعلی از Kaggle
Finding & Downloading Fake News Dataset From Kaggle
یافتن و دانلود مجموعه داده اخبار جعلی از Kaggle
Finding & Downloading Fake News Dataset From Kaggle
آماده سازی پروژه
Project Preparation
آپلود مجموعه داده اخبار جعلی در Google Colab
Uploading Fake News Dataset to Google Colab
مروری سریع بر مجموعه داده های اخبار جعلی
Quick Overview of Fake News Dataset
پاک کردن مجموعه داده های اخبار جعلی با حذف مقادیر و موارد تکراری از دست رفته
Cleaning Fake News Dataset by Removing Missing Values & Duplicates
پاک کردن مجموعه داده های اخبار جعلی با حذف مقادیر و موارد تکراری از دست رفته
Cleaning Fake News Dataset by Removing Missing Values & Duplicates
نمایش نظرات