آموزش اجرای پردازش زبان طبیعی برای جاسازی کلمه

Implement Natural Language Processing for Word Embedding

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما یاد می دهد که چگونه از جاسازی کلمات برای استفاده از یادگیری عمیق برای NLP استفاده کنید. پردازش زبان طبیعی (NLP) مجموعه ای از ابزارها و تکنیک هایی است که ما را قادر می سازد تا قدرت تجزیه و تحلیل متن را باز کنیم. در این دوره آموزشی، پیاده سازی پردازش زبان طبیعی برای جاسازی کلمه، یاد خواهید گرفت که چگونه از جاسازی کلمات برای استفاده از شبکه های عصبی برای NLP استفاده کنید. ابتدا، دریابید که تعبیه‌های کلمه چیست و اساسی‌ترین جاسازی چیست: یک کدگذاری داغ. در مرحله بعد، نحوه استفاده از جاسازی کلمات را برای تجزیه و تحلیل احساسات کشف خواهید کرد. در نهایت، یاد می‌گیرید که چگونه جاسازی‌های کلمه موجود را برای بهبود مدل‌های خود تنظیم کنید و همچنین جاسازی‌های ما را برای انصاف پایین بیاورید. وقتی این دوره را به پایان رساندید، مهارت ها و دانش پردازش زبان طبیعی مورد نیاز برای استفاده از جاسازی کلمات برای ایجاد راه حل های شگفت انگیز NLP با یادگیری عمیق را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

چرا متن را پردازش کنیم؟ Why Process Text?

  • چرا باید متن را پردازش کنیم؟ Why Should We Process Text?

  • نسخه ی نمایشی: معرفی مطالعه موردی Globomantics Demo: Introducing Globomantics Case Study

  • گرفتن بهترین ها از این دوره Getting the Best out of This Course

  • بررسی نسخه Version Check

  • طرح کلی دوره Outline of the Course

آموزش بازنمایی کلمات Training Word Representations

  • چگونه کلمات را بازنمایی کنیم How to Represent Words

  • اولین جاسازی: یک کدگذاری داغ First Embedding: One Hot Encoding

  • نسخه ی نمایشی: با استفاده از OHE Demo: Using OHE

  • نسخه ی نمایشی: تجزیه و تحلیل احساسات با OHE Demo: Analyzing Sentiment with OHE

  • آموزش جاسازی با شبکه ها: CBOW و Skip-gram Training Embeddings with Networks: CBOW and Skip-gram

  • نسخه ی نمایشی: آموزش جاسازی CBOW Demo: Training a CBOW Embedding

  • نسخه ی نمایشی: احساسات را با یک جاسازی مبتنی بر شبکه تجزیه و تحلیل کنید Demo: Reanalyze Sentiment with a Network-based Embedding

  • بعدش چی پیش میاد؟ What Comes Next?

تنظیم دقیق بازنمایی های ورد Fine-tuning Word Representations

  • چرا مدل های موجود را به خوبی تنظیم می کنیم؟ Why Would We Fine Tune Existing Models?

  • نسخه ی نمایشی: دستکش تنظیم دقیق و FastText Demo: Fine Tuning Glove and FastText

  • نسخه ی نمایشی: ساخت خوشه های کلمات Demo: Making Word Clusters

  • نسخه ی نمایشی: Debiase Word Embeddings Demo: Debiase Word Embeddings

  • نکات و نکات کلیدی Key Takeaways and Tips

  • بعد کجا برویم Where to Go Next

نمایش نظرات

آموزش اجرای پردازش زبان طبیعی برای جاسازی کلمه
جزییات دوره
1h 33m
20
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Axel Sirota
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Axel Sirota Axel Sirota

آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.