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

دانلود Natural Language Processing for Speech and Text: From Beginner to Advanced

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با افزایش اخیر مدل‌های زبانی بزرگ، بررسی تکامل تکنیک‌های NLP، از روش‌های سنتی تا استانداردهای فعلی صنعت، بسیار مهم است. در این دوره، Wuraola Oyewusi - دانشمند داده با تجربه و حرفه ای در یادگیری ماشین و هوش مصنوعی - به شما کمک می کند پایه ای قوی در مفاهیم پردازش زبان طبیعی (NLP) ایجاد کنید و به کاربرد انتها به انتها NLP می پردازد. در حین بررسی پیشینه نظری مفاهیم NLP، تکامل تاریخی تکنیک‌های NLP و کاربردهای فعلی تکنیک‌های نمایش NLP برای داده‌های متنی و گفتاری، درباره داده‌های متنی و گفتاری اطلاعاتی کسب کنید. در تمرین‌های تمرینی مبتنی بر کد برای تکنیک‌ها و وظایف پیش‌پردازش برای داده‌های متنی و گفتاری، شیرجه بزنید. به‌علاوه، طیف گسترده‌ای از کتابخانه‌های پایتون، از جمله NLTK، spaCy، Hugging Face، Transformers، librosa، scikit-learn، gensim و torchaudio را بررسی کنید.

سرفصل ها و درس ها

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

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش پردازش زبان طبیعی برای گفتار و متن: از مبتدی تا پیشرفته
جزییات دوره
3h 9m
59
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
630
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Wuraola Oyewusi Wuraola Oyewusi

Wuraola Oyewusi یک دانشمند داده با تجربه، یادگیری ماشین و متخصص هوش مصنوعی است.

Wuraola Oyewusi یک دانشمند داده با تجربه، یادگیری ماشین و متخصص هوش مصنوعی است.

Wuraola در پردازش زبان طبیعی (NLP)، مراقبت های بهداشتی، داده ها تخصص دارد. سرپرستی و تحقیق او مدرک لیسانس خود را در رشته داروسازی (BPharm) از دانشگاه اولابیسی اونابانجو گرفت و در حال حاضر به عنوان دریافت کننده ویزای استعدادهای جهانی (علم داده و هوش مصنوعی) در بریتانیا زندگی می کند.