آموزش یادگیری عمیق: پردازش زبان طبیعی برای تحلیل احساسات و ترجمه 2025 - آخرین آپدیت

دانلود Deep Learning: NLP for Sentiment analysis & Translation 2025

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع تحلیل احساسات و ترجمه ماشینی با TensorFlow و Hugging Face Transformers

یاد بگیرید چگونه با استفاده از TensorFlow و Hugging Face Transformers، مدل‌های تحلیل احساسات (Sentiment Analysis) و ترجمه ماشینی (Machine Translation) قدرتمند بسازید و آن‌ها را مستقر کنید.

مباحث اصلی دوره:

  • مبانی Tensorها و متغیرها با TensorFlow: درک عمیق ساختار داده‌های Tensor و نحوه کار با آن‌ها در TensorFlow.
  • ساخت مدل‌های رگرسیون خطی، رگرسیون لجستیک و شبکه‌های عصبی از صفر: پیاده‌سازی الگوریتم‌های یادگیری ماشین پایه برای درک بهتر مفاهیم.
  • مقدمات TensorFlow و آموزش شبکه‌های عصبی با TensorFlow 2: آشنایی با API های TensorFlow 2 و روش‌های آموزش شبکه‌های عصبی.
  • مستقر سازی مدل (Model Deployment): یادگیری نحوه آماده‌سازی مدل‌ها برای استفاده در برنامه‌های واقعی.
  • تبدیل مدل TensorFlow به فرمت Onnx: بهینه‌سازی مدل‌ها برای اجرا بر روی سخت‌افزارهای مختلف.
  • آموزش Quantization Aware: کاهش حجم مدل‌ها و افزایش سرعت اجرا بدون افت کیفیت.
  • ساخت API با FastAPI: ایجاد API برای دسترسی آسان به مدل‌های یادگیری ماشین.
  • استقرار API در Cloud: مستقر سازی API بر روی پلتفرم‌های ابری.
  • تحلیل احساسات با شبکه‌های عصبی بازگشتی، مدل‌های توجه و Transformers از صفر: ساخت مدل‌های پیشرفته تحلیل احساسات با درک عمیق معماری آن‌ها.
  • ترجمه ماشینی عصبی با شبکه‌های عصبی بازگشتی، مدل‌های توجه و Transformers از صفر: ساخت سیستم‌های ترجمه ماشینی با استفاده از تکنیک‌های روز دنیا.
  • ترجمه ماشینی عصبی با T5 در Hugging Face Transformers: استفاده از مدل‌های پیش‌آموز T5 برای حل مسائل ترجمه ماشینی.
  • شبکه‌های توجه (Attention Networks): درک مکانیسم‌های توجه و نحوه استفاده از آن‌ها در مدل‌های یادگیری ماشین.
  • Transformers از صفر: ساخت معماری Transformers بدون استفاده از کتابخانه‌های آماده.

پیش‌نیازها:

  • دانش پایه ریاضی
  • دسترسی به اینترنت (استفاده از Google Colab - نسخه رایگان)
  • دانش پایه زبان برنامه‌نویسی Python

مدل‌های تحلیل احساسات و ترجمه ماشینی روزانه توسط میلیون‌ها نفر استفاده می‌شوند. این مدل‌های یادگیری عمیق (به ویژه Transformers) امروزه صنایع مختلف را متحول کرده‌اند.

با ظهور مدل‌های یادگیری عمیق کارآمدتر از اوایل دهه 2010، شاهد پیشرفت چشمگیری در حوزه تحلیل احساسات و ترجمه ماشینی بوده‌ایم.

در این دوره، شما را به یک سفر شگفت‌انگیز خواهیم برد که در آن مفاهیم مختلف را به صورت گام به گام فرا خواهید گرفت. ما با درک نحوه پردازش متن در زمینه پردازش زبان طبیعی شروع می‌کنیم، سپس وارد ساخت مدل‌های خودمان می‌شویم و ضمن رعایت بهترین شیوه‌ها، آنها را در Cloud مستقر می‌کنیم.

ما قصد داریم از TensorFlow 2 (محبوب‌ترین کتابخانه جهان برای یادگیری عمیق، ساخته شده توسط Google) و Hugging Face استفاده کنیم.

شما یاد خواهید گرفت:

  • مبانی TensorFlow (Tensorها، ساخت مدل، آموزش و ارزیابی).
  • الگوریتم‌های یادگیری عمیق مانند شبکه‌های عصبی بازگشتی، مدل‌های توجه، Transformers و شبکه‌های عصبی کانولوشن.
  • تحلیل احساسات با RNNها، Transformers و Hugging Face Transformers (Deberta)
  • انتقال یادگیری با Word2vec و Transformers مدرن ( GPT, Bert, ULmfit, Deberta, T5... )
  • ترجمه ماشینی با RNNها، توجه، Transformers و Hugging Face Transformers (T5)
  • استقرار مدل ( فرمت Onnx، Quantization، Fastapi، Heroku Cloud )

اگر مایل هستید در حرفه خود یک قدم جلوتر بروید، این دوره برای شما طراحی شده است و ما بسیار هیجان‌زده هستیم که به شما در دستیابی به اهدافتان کمک کنیم!

این دوره توسط Neuralearn به شما ارائه می‌شود. و درست مانند هر دوره دیگری از Neuralearn، ما تاکید زیادی بر بازخورد داریم. نظرات و سوالات شما در تالار گفتمان به ما در بهبود این دوره کمک می‌کند. هر چه می‌توانید در تالار گفتمان سوال بپرسید. ما تمام تلاش خود را می‌کنیم تا در کمترین زمان ممکن پاسخ دهیم.

لذت ببرید!!!


سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدید Welcome

  • مقدمه کلی General intro

  • لینک به کد Link to Code

تنسورها و متغیرها Tensors and variables

  • لینک به مجموعه داده Link to Dataset

  • مبانی Basics

  • مقداردهی اولیه و تبدیل نوع Initialization and Casting

  • اندیس گذاری Indexing

  • عملیات ریاضی Maths Operations

  • عملیات جبر خطی Linear algebra operations

  • متدهای رایج Common methods

  • تنسورهای ناهموار Ragged tensors

  • تنسورهای پراکنده Sparse tensors

  • تنسورهای رشته ای String tensors

  • متغیرها Variables

[پیش نیاز] ساخت شبکه های عصبی با تنسورفلو [PRE-REQUISCITE] Building neural networks with tensorflow

  • لینک به کد Link to Code

  • درک وظیفه Task understanding

  • آماده سازی داده Data preparation

  • مدل رگرسیون خطی Linear regression model

  • اعمال خطا Error sanctioning

  • آموزش و بهینه سازی Training and optimization

  • اندازه گیری عملکرد Performance measurement

  • اعتبارسنجی و آزمایش Validation and testing

  • اقدامات اصلاحی Corrective measures

  • مجموعه داده های TensorFlow TensorFlow Datasets

پیش پردازش متن برای تحلیل احساسات Text Preprocessing for Sentiment Analysis

  • درک تحلیل احساسات Understanding Sentiment Analysis

  • استانداردسازی متن Text Standardization

  • نشانه گذاری Tokenization

  • کدگذاری یک-داغ و کیسه کلمات One-hot encoding and Bag of Words

  • فراوانی عبارت - فراوانی معکوس سند (TF-IDF) Term frequency - Inverse Document frequency (TF-IDF)

  • Embeddings (تعبیه ها) Embeddings

تحلیل احساسات با شبکه های عصبی بازگشتی Sentiment Analysis with Recurrent neural networks

  • لینک به کد Link to Code

  • نحوه کار شبکه های عصبی بازگشتی How Recurrent neural networks work

  • آماده سازی داده Data preparation

  • ساخت و آموزش RNN ها Building and training RNNs

  • RNN های پیشرفته (LSTM و GRU) Advanced RNNs (LSTM and GRU)

  • شبکه عصبی کانولوشن یک بعدی 1D Convolutional Neural Network

تحلیل احساسات با یادگیری انتقالی Sentiment Analysis with transfer learning

  • درک Word2vec Understanding Word2vec

  • ادغام تعبیه های از پیش آموزش دیده Word2vec Integrating pretrained Word2vec embeddings

  • تست Testing

  • تجسم تعبیه ها Visualizing embeddings

ترجمه ماشینی عصبی با شبکه های عصبی بازگشتی Neural Machine Translation with Recurrent Neural Networks

  • لینک به کد Link to Code

  • درک ترجمه ماشینی Understanding Machine Translation

  • آماده سازی داده Data Preparation

  • ساخت، آموزش و تست مدل Building, training and testing Model

  • درک امتیاز BLEU Understanding BLEU score

  • کدنویسی امتیاز BLEU از ابتدا Coding BLEU score from scratch

ترجمه ماشینی عصبی با توجه Neural Machine Translation with Attention

  • لینک به کد Link to Code

  • درک توجه باهدناو Understanding Bahdanau Attention

  • ساخت، آموزش و تست توجه باهدناو Building, training and testing Bahdanau Attention

ترجمه ماشینی عصبی با ترانسفورمرها Neural Machine Translation with Transformers

  • لینک به کد Link to Code

  • درک شبکه های ترانسفورمر Understanding Transformer Networks

  • ساخت، آموزش و تست ترانسفورمرها Building, training and testing Transformers

  • ساخت ترانسفورمرها با لایه توجه سفارشی Building Transformers with Custom Attention Layer

  • تجسم امتیازات توجه Visualizing Attention scores

تحلیل احساسات با ترانسفورمرها Sentiment Analysis with Transformers

  • لینک به کد Link to Code

  • تحلیل احساسات با رمزگذار ترانسفورمر Sentiment analysis with Transformer encoder

  • تحلیل احساسات با توجه LSH Sentiment analysis with LSH Attention

یادگیری انتقالی و مدل های زبان تعمیم یافته Transfer Learning and Generalized Language Models

  • درک یادگیری انتقالی Understanding Transfer Learning

  • Ulmfit Ulmfit

  • Gpt Gpt

  • Bert Bert

  • Albert Albert

  • Gpt2 Gpt2

  • Roberta Roberta

  • T5 T5

تحلیل احساسات با Deberta در ترانسفورمرهای Huggingface Sentiment Analysis with Deberta in Huggingface transformers

  • لینک به کد Link to Code

  • آماده سازی داده Data Preparation

  • ساخت، آموزش و تست مدل Building,training and testing model

استقرار مدل Model Deployment

  • تقطیر Distillation

  • تنظیم دقیق مدل تقطیر شده Finetuning Distilled Model

  • تبدیل مدل TensorFlow به فرمت Onnx Converting TensorFlow Model to Onnx format

  • درک کوانتیزاسیون Understanding of quantization

  • کوانتیزاسیون عملی مدل Onnx Practical quantization of Onnx Model

  • درک API ها Undestanding APIs

  • ساخت یک API پردازش زبان طبیعی با Fastapi Building an NLP API with Fastapi

  • استقرار API در ابر Deploying API to the Cloud

ترجمه ماشینی عصبی با T5 در ترانسفورمرهای Huggingface Neural Machine Translation with T5 in Huggingface transformers

  • لینک به کد Link to Code

  • آماده سازی مجموعه داده Dataset Preparation

  • ساخت، آموزش و تست مدل Building,training and testing model

نمایش نظرات

آموزش یادگیری عمیق: پردازش زبان طبیعی برای تحلیل احساسات و ترجمه 2025
جزییات دوره
22 hours
79
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
356
4.4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Neuralearn Dot AI Neuralearn Dot AI

کمک به میلیون ها یادگیرنده، بر یادگیری عمیق مسلط شوید.