🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش طبقه بندی احساسات با شبکه های عصبی مکرر
- آخرین آپدیت
Sentiment Classification with Recurrent Neural Networks
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره به شما یاد می دهد که چگونه یک سیستم برای طبقه بندی احساسات بسازید. شما پیچیدگیهای داخلی شبکههای عصبی مکرر را یاد خواهید گرفت و یک طبقهبندی احساسات را با استفاده از مجموعه دادههای بازبینی محصول آمازون اجرا میکنید. آیا تا به حال از خود پرسیدهاید که چرا شرکتهای بزرگ بازخورد کاربران را جمعآوری میکنند؟ بدیهی است که آنها برای تجزیه و تحلیل احساسات کاربر نسبت به محصولات یا خدمات خود بازخورد جمع آوری می کنند. این تنها راه برای دانستن واکنش کاربران و چگونگی بهبود کیفیت محصولات یا خدمات است. تجزیه و تحلیل میلیون ها بررسی محصول به صورت دستی غیرممکن است و بنابراین آنها از سیستم های خودکار مبتنی بر داده برای بازیابی احساسات کاربر استفاده می کنند. در این دوره آموزشی، طبقهبندی احساسات با شبکههای عصبی تکراری، یاد خواهید گرفت که چگونه با استفاده از شبکههای عصبی مکرر (RNN) از ابتدا با استفاده از پایتون و کراس یک طبقهبندی کننده احساسات بسازید. ابتدا، جزئیات داخلی شبکه های عصبی مکرر و نحوه مدیریت موثر داده های متنی را خواهید آموخت. در مرحله بعد، متوجه خواهید شد که چگونه از RNN ها می توان برای ساخت معماری شبکه برای وظایف مختلف پردازش زبان طبیعی و به طور خاص، وظیفه طبقه بندی احساسات استفاده کرد. سپس، روی یک مجموعه داده ایمیل منبع باز کار می کنید و یک طبقه بندی کننده هرزنامه را با استفاده از RNN پیاده سازی می کنید. در نهایت، یک مجموعه داده منبع باز از بررسی های محصولات آمازون را بررسی می کنید و یک سیستم برای طبقه بندی احساسات با استفاده از RNN ایجاد می کنید. در پایان این دوره، دانش عمیقی از سیستم های طبقه بندی احساسات خواهید داشت و همچنین قادر خواهید بود یکی از این سیستم ها را با استفاده از پایتون و کراس پیاده سازی کنید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
مقدمه ای بر شبکه های عصبی بازگشتی (RNN)
Introduction to Recurrent Neural Networks (RNNs)
بررسی اجمالی
Overview
مقدمه ای بر شبکه های عصبی عمیق
Introduction to Deep Neural Networks
آموزش شبکه های عصبی عمیق
Training Deep Neural Networks
متن زبان طبیعی به عنوان داده های متوالی
Natural Language Text as Sequential Data
شبکه های عصبی مکرر (RNN)
Recurrent Neural Networks (RNNs)
معماری شبکه های عصبی با استفاده از RNN
Neural Network Architectures Using RNNs
طبقه بندی متن با استفاده از RNN
Text Classification Using RNNs
محدودیت های شبکه های عصبی مکرر
Limitations of Recurrent Neural Networks
خلاصه
Summary
طبقه بندی ایمیل ها با استفاده از RNN
Classification of Emails Using RNNs
بررسی اجمالی
Overview
مجموعه داده Spambase را کاوش کنید
Explore the Spambase Dataset
استخراج پیش بینی ها و برچسب ها برای آموزش
Extract Predictors and Labels for Training
Tokenization و ایجاد واژگان را انجام دهید
Perform Tokenization and Create Vocabulary
سکانس های طول متغیر padding
Padding Variable Length Sequences
ایجاد و آموزش مدل
Create and Train the Model
طبقه بندی ایمیل ها با استفاده از مدل آموزش دیده
Classify Emails Using the Trained Model
خلاصه
Summary
طبقه بندی احساسات نظرات محصول
Sentiment Classification of Product Reviews
بررسی اجمالی
Overview
مجموعه داده بررسی محصولات آمازون را کاوش کنید
Explore the Amazon Product Review Dataset
استخراج نظرات و احساسات
Extract Reviews and Sentiments
تبدیل احساسات به بردار
Convert Sentiments to Vectors
پاکسازی متون بررسی
Cleaning of the Review Texts
Tokenization و ایجاد واژگان را انجام دهید
Perform Tokenization and Create Vocabulary
سکانس های طول متغیر padding
Padding Variable Length Sequences
ایجاد مدل و آموزش
Create Model and Training
پیش بینی احساسات با استفاده از مدل آموزش دیده
Predict Sentiments Using the Trained Model
Biswanath یک دانشمند داده است که حدود 9 سال سابقه کار در شرکت هایی مانند Oracle، Microsoft و Adobe دارد. او دانش گسترده ای در زمینه یادگیری ماشینی، یادگیری عمیق و یادگیری تقویتی دارد. او در کاربرد تکنیکهای یادگیری ماشینی و یادگیری عمیق در برنامههای تجاری پیچیده مرتبط با بینایی کامپیوتر و پردازش زبان طبیعی تخصص دارد. او همچنین یک معلم آزاد است و آمار، ریاضیات و یادگیری ماشین را تدریس می کند. او دارای مدرک کارشناسی ارشد در علوم کامپیوتر از موسسه علوم هند، بنگلور، و مدرک لیسانس در علوم کامپیوتر از دانشگاه جادوپور، کلکته است.
نمایش نظرات