تجزیه و تحلیل متن پیشرفته: مدل سازی موضوع و شناسایی موجودیت نامگذاری شده

Advanced Text Analytics: Topic Modeling and Named Entity Recognition

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: به عنوان روش اصلی ارتباط ما، متن ما را احاطه می کند - در کتاب ها، مقالات، پست های رسانه های اجتماعی، نظرات، ایمیل ها و موارد دیگر. با استفاده از تجزیه و تحلیل متن، می‌توانیم بینش‌های معناداری را از این داده‌ها استخراج کنیم و تصمیمات هوشمندانه بگیریم (مثلاً از طریق تجزیه و تحلیل احساسات). در این دوره، تجزیه و تحلیل متن پیشرفته: مدل‌سازی موضوع و شناسایی موجودیت نام‌گذاری شده، مهارت‌های تئوری و پیاده‌سازی عملی را برای استفاده از تکنیک‌های مدل‌سازی مبحث پیشرفته و تشخیص نهادهای نام‌گذاری شده (NER) برای موارد استفاده در دنیای واقعی به دست خواهید آورد. ابتدا، انگیزه و مفهوم پشت استفاده از مدل‌سازی موضوع برای کشف الگوها و مضامین در متن را بررسی خواهید کرد. بعد، شما عمیق‌تر به پیاده‌سازی ریاضی و برنامه‌ای الگوریتم مدل‌سازی موضوعی محبوب، تخصیص دیریکله پنهان (LDA) خواهید رفت. سپس، نحوه پیاده‌سازی NER، از جمله الگوریتم‌های آن مانند فیلدهای تصادفی شرطی، روش‌های مبتنی بر ترانسفورماتور و موارد دیگر را خواهید آموخت. در نهایت، نحوه ترکیب مدل‌سازی موضوع و NER را برای تجزیه و تحلیل متون پیچیده و نحوه استخراج بینش از نتایج بررسی خواهید کرد. پس از اتمام این دوره، مهارت ها و دانش ارزیابی و استفاده از مدل سازی موضوعات پیشرفته و الگوریتم های تشخیص موجودیت نامگذاری شده برای انجام تجزیه و تحلیل متن برای موارد استفاده خود را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مدل سازی موضوع: شیرجه عمیق Topic Modeling: Deep Dive

  • غواصی عمیق تر در مدل سازی موضوع Diving Deeper into Topic Modeling

  • مکانیک تخصیص دیریکله نهفته (LDA) Mechanics of Latent Dirichlet Allocation (LDA)

  • نسخه ی نمایشی: الگوریتم های مدل سازی موضوع آموزشی Demo: Training Topic Modeling Algorithms

  • نسخه ی نمایشی: تجسم و ارزیابی LDA Demo: Visualizing and Evaluating LDA

شناسایی موجودیت نامگذاری شده: Deep Dive and Workflows Named Entity Recognition: Deep Dive and Workflows

  • شناسایی نهاد نامگذاری شده (NER) چگونه کار می کند؟ How Does Named Entity Recognition (NER) Work?

  • تکنیک ها و رویکردهای پیشرفته NER NER Advanced Techniques and Approaches

  • نسخه ی نمایشی: رویکردهای NER - ساختمان خط لوله Demo: NER Approaches - Pipeline Building

  • نسخه ی نمایشی: رویکردهای NER - تنظیم دقیق Demo: NER Approaches - Fine-tuning

  • ترکیب مدلسازی موضوع و NER Combining Topic Modeling and NER

  • نسخه ی نمایشی: ترکیب مدل سازی موضوع و NER Demo: Combining Topic Modeling and NER

  • خلاصه Summary

نمایش نظرات

تجزیه و تحلیل متن پیشرفته: مدل سازی موضوع و شناسایی موجودیت نامگذاری شده
جزییات دوره
40m
12
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Ria Cheruvu
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ria Cheruvu Ria Cheruvu

ریا چرووو معمار اصلی AI SW و مبشر هوش مصنوعی مولد در شرکت اینتل است. او دارای مدرک کارشناسی ارشد در رشته علوم داده از دانشگاه هاروارد، و مدرس برنامه های درسی علوم داده است، که قبلا در دانشگاه هاروارد، Eduonix، Udacity و Educative تدریس کرده است. ریا یک سخنران پرشور و مشهور در صنعت است که سخنرانی‌های فنی، پادکست‌ها و نکات کلیدی در زمینه هوش مصنوعی، از جمله DEFCON، TedX، زنان در انجمن‌های علم داده، اجلاس QS EduData و Intel Innovation ارائه کرده است. او شاعر منتشر شده، نویسنده کتاب های کودکان و علاقه مندان به علوم اعصاب است.