آموزش پردازش زبان طبیعی برای گفتار و متن: از مبتدی تا پیشرفته

مقدمه Introduction

• استراتژی دوره NLP NLP course strategy

• مبانی پردازش زبان طبیعی Fundamentals of natural language processing

1. مقدمه ای بر پردازش زبان طبیعی (NLP) 1. Introduction to Natural Language Processing (NLP)

• کاربردهای پردازش زبان طبیعی در داده های متنی Applications of natural language processing in text data

• تکامل تاریخی وظایف و تکنیک های NLP Historical evolution of NLP tasks and techniques

• پردازش زبان طبیعی (NLP) چیست؟ What is natural language processing (NLP)?

• کاربردهای پردازش زبان طبیعی در داده های گفتاری Applications of natural language processing in speech data

• دنباله ها چیست؟ What are sequences?

• چگونه کامپیوترها دنباله ها را در NLP درک می کنند How computers understand sequences in NLP

2. پردازش زبان طبیعی برای تکنیک های متن 2. Natural Language Processing for Text Techniques

• نمایش متن: مدل های زبانی از پیش آموزش دیده (PLM) Text representation: Pre-trained language models (PLMs)

• نمایش N گرم با استفاده از NLTK N-grams representation using NLTK

• نمایش مجموعه کلمات با استفاده از scikit-learn Bag-of-words representation using scikit-learn

• تعبیه Word2vec با استفاده از Gensim Word2vec embedding using Gensim

• نمایش متن: N-گرم Text representation: N-grams

• پیش پردازش متن Text preprocessing

• نمایش متن: رمزگذاری تکی Text representation: One-hot encoding

• نمایش متن: کیسه کلمات (BoW) Text representation: Bag-of-words (BoW)

• نمایش متن Text representation

• تعبیه با مدل SpaCy از پیش آموزش دیده Embedding with pretrained spaCy model

• نمایش متن: فرکانس معکوس فرکانس سند (TF-IDF) Text representation: Term frequency-inverse document frequency (TF-IDF)

• جاسازی جمله با استفاده از کتابخانه Sentence Transformers Sentence embedding using the Sentence Transformers library

• نمایش TF-IDF با استفاده از Sicit-Learn TF-IDF representation using scikit-learn

• پیش پردازش متن با استفاده از NLTK Text preprocessing using NLTK

• نمایش متن: جاسازی کلمه Text representation: Word embeddings

• مدل های زبانی از پیش آموزش دیده با استفاده از Transformers Pre-trained language models using Transformers

• رمزگذاری یکباره با استفاده از scikit-learn One-hot encoding using scikit-learn

3. پردازش زبان طبیعی برای تکنیک های گفتار 3. Natural Language Processing for Speech Techniques

• طیف‌نگارها با استفاده از تبدیل فوریه سریع (FFT) در librosa Spectrograms using fast Fourier transform (FFT) in librosa

• ضرایب سپسترال فرکانس مل (MFCCs) با استفاده از librosa Mel-frequency cepstral coefficients (MFCCs) using librosa

• نمایش گفتار: طیف‌نگارها Speech representation: Spectrograms

• نمایش گفتار: ضرایب پیش‌بینی خطی مغزی (LPCC) Speech representation: Linear predictive cepstral coefficients (LPCCs)

• جاسازی گفتار با استفاده از wav2vec در ترانسفورماتورها Speech embeddings using wav2vec in Transformers

• ویژگی های بانک فیلتر گاماتون با استفاده از لیبروسا Gammatone filterbank features using librosa

• کدگذاری پیش بینی خطی (LPC) با استفاده از librosa Linear predictive coding (LPC) using librosa

• بازنمایی گفتار: ضرایب مغزی فرکانس مل Speech representation: Mel-frequency cepstral coefficients

• نمایش گفتار: ویژگی های بانک فیلتر گاماتون Speech representation: Gammatone filterbank features

• بازنمایی گفتار: تعبیه گفتار Speech representation: Speech embeddings

4. پردازش زبان طبیعی کاربردی: الگوریتم ها و وظایف 4. Applied Natural Language Processing: Algorithms and Tasks

• یادگیری ماشینی: ماشین‌های بردار پشتیبانی (SVM) Machine learning: Support vector machines (SVMs)

• مجموعه داده دستورات گفتاری را با استفاده از درخت های تصمیم طبقه بندی کنید Classify the speech commands dataset using decision trees

• الگوریتم هایی برای وظایف پردازش زبان طبیعی Algorithms for natural language processing tasks

• تبدیل متن به گفتار (TTS) با استفاده از Tacotron و WaveGlow Text-to-speech (TTS) using Tacotron and WaveGlow

• یادگیری عمیق: ترانسفورماتورها Deep learning: Transformers

• مبتنی بر قانون: عبارات منظم Rule-based: Regular expressions

• یادگیری ماشینی: K-به معنای خوشه بندی Machine learning: K-means clustering

• وظایف عبارت منظم با استفاده از کتابخانه re Regular expression tasks using the re library

• آماری: مدل های پنهان مارکوف (HMM) Statistical: Hidden Markov models (HMMs)

• گفتار به متن (STT) با استفاده از wav2vec در کتابخانه Transformers Speech-to-text (STT) using wav2vec in the Transformers library

• مدل های پنهان مارکوف (HMM) برای برچسب گذاری POS در NLTK Hidden Markov models (HMMs) for POS tagging in NLTK

• تولید متن با استفاده از شبکه های عصبی بازگشتی (RNN) Text generation using recurrent neural networks (RNNs)

• آماری: طبقه بندی کننده های ساده بیز Statistical: Naive Bayes classifiers

• انواع الگوریتم در پردازش زبان طبیعی Types of algorithms in natural language processing

• مبتنی بر قانون: تجزیه مبتنی بر قانون Rule-based: Rule-based parsing

• آماری: فیلدهای تصادفی شرطی (CRF) Statistical: Conditional random fields (CRFs)

• تجزیه جملات به ساختارهای نحوی با استفاده از گرامرهای بدون متن (CFG) در NLTK Parsing sentences into syntactic structures using context-free grammars (CFG) in NLTK

• یادگیری عمیق: شبکه های عصبی مکرر (RNN) Deep learning: Recurrent neural networks (RNNs)

• K-mean خوشه بندی برای مجموعه داده نقد فیلم K-means clustering for the movie reviews dataset

• طبقه بندی داده های متنی با استفاده از SVM Classify text data using SVM

• برچسب گذاری قسمتی از گفتار (POS) با استفاده از spaCy Part-of-speech (POS) tagging using spaCy

• یادگیری انتقالی در پردازش زبان طبیعی (NLP) Transfer learning in natural language processing (NLP)

• یادگیری ماشینی: درختان تصمیم Machine learning: Decision trees

نتیجه گیری Conclusion

• بعدی: NLP در عمل What's next: NLP in practice