آموزش مبانی یادگیری ماشین و پردازش زبان طبیعی (NLP) - آخرین آپدیت

یادگیری ماشین Machine Learning

• معرفی دوره Course Introduction

• ضروریات هوش مصنوعی Artificial Intelligence Essentials

• رشته‌های تخصصی هوش مصنوعی Disciplines of AI

• کاربردهای مختلف رشته‌های هوش مصنوعی Various Application of AI Disciplines

• انواع هوش مصنوعی Types of AI

• نوع اول هوش مصنوعی Type-I of Artificial Intelligence

• نوع دوم هوش مصنوعی Type-II of Artificial Intelligence

• مبانی یادگیری ماشین Machine Learning Fundamentals

• کاربردهای یادگیری ماشین Applications of Machine Learning

• مدل‌های پیش‌بین یادگیری ماشین Predictive ML Models

• طبقه‌بندی و سایر مدل‌ها Classification and Other Models

• الگوریتم‌های ML: بررسی عمیق ML Algorithms: Deep Dive

• الگوریتم‌های ML: بخش دوم ML Algorithms - Part ll

• یادگیری ماشین نظارت شده Supervised Machine Learning

• کاربردهای یادگیری نظارت شده Applications of Supervised Learning

• استراتژی‌های بخش‌بندی بازار در یادگیری ماشین نظارت نشده Market Segement Strategies of Unsupervised Machine Learning

• مقدمه‌ای بر یادگیری ماشین نظارت نشده Introduction to Unsupervised Machine Learning

• یادگیری نیمه‌نظارتی Semi-supervised Learning

• یادگیری تقویتی Reinforcement Learning

• موردهای کاربردی یادگیری تقویتی Use - Case of Reinforcement

• طبقه‌بندی (Classification) Classification

• انواع الگوریتم‌های طبقه‌بندی Types of Classification Algorithm

• سایر انواع الگوریتم‌های طبقه‌بندی Other types of Classification Algorithm

• دموی عملی طبقه‌بندی Demonstration on Classification

• مقیاس‌بندی ویژگی‌ها و آموزش طبقه‌بند Feature Scailing and Training the Classifier

• بصری‌سازی گزارش طبقه‌بندی Visualization of Classification Report

• رگرسیون (Regression) Regression

• دموی عملی رگرسیون Demonstration on Regression

یادگیری عمیق Deep Learning

• مبانی یادگیری عمیق Deep Learning Fundamentals

• تفاوت یادگیری ماشین و یادگیری عمیق Machine Learning Vs. Deep Learning

• مغز انسان در مقابل شبکه عصبی Human Brain vs Neural Network

• مقدمه‌ای بر شبکه عصبی Introduction to Neural Network

• پرسپترون Perceptron

• اجزای پرسپترون Components of Perceptron

• نرخ یادگیری (Learning Rate) Learning Rate

• نرخ یادگیری پایین Lower Learning Rate

• اپوک (Epoch) Epoch

• اهمیت اپوک Importance of Epoch

• اندازه دسته (Batch Size) Batch Size

• انتخاب اندازه دسته مناسب Choosing the Right Batch Size

• پرسپترون تک لایه Single Layer Perceptron

• نحوه عملکرد پرسپترون تک لایه Working of Single Layer Perceptron

• نصب تنسورفلو Installing TensorFlow

• مراحل نصب TensorFlow TensorFlow Installation

• تعریف لایه‌های مدل Sequential Defining Sequence model layers

• تابع فعال‌ساز (Activation Function) Activation Function

• توابع فعال‌ساز پیشرفته Advanced Activation Functions

• انواع لایه‌ها Layer Types

• بررسی انواع لایه‌ها Types of Layer Type

• کامپایل مدل (Model Compilation) Model Compilation

• کاربردهای کامپایل مدل Uses of Model Compilation

• بهینه‌ساز مدل (Model Optimizer) Model Optimizer

• درک بهینه‌ساز مدل Understanding Model Optimizer

• کاربردهای بهینه‌ساز مدل Uses of Model Optimizer

• طبقه‌بندی ارقام با شبکه عصبی ساده در TensorFlow 2.x Digit Classification using Simple Neural Network in TensorFlow 2.x

• بهبود مدل Improving the model

• افزودن لایه پنهان Adding Hidden Layer

• لایه‌های پنهان در شبکه عصبی Hidden Layers in Neural Network

• افزودن Dropout Adding Dropout

• بهینه‌ساز Adam Adam Optimizer

• نحوه استفاده از بهینه‌ساز Adam How to use Adam Optimizer?

• مثال طبقه‌بندی تصویر Image Classification Example

• طبقه‌بندی تصویر: بخش دوم Image Classification - II

• شبکه عصبی پیچشی (CNN) Convolutional Neural Network

• چرا CNN بر MLP ترجیح داده می‌شود Why is CNN Preferred over MLP

• لایه ReLU ReLU Layer

• پولینگ (Pooling) Pooling

• پیاده‌سازی لایه ReLU Implementation of ReLU Layer

• تخت کردن داده‌ها (Data Flattening) Data Flattening

• روی هم قرار دادن لایه‌ها Stacking up the Layers

• لایه Flattening Flattening Layer

• لایه کاملاً متصل (Fully Connected Layer) Fully Connected Layer

• لایه نهایی The Final Layer

• پیش‌بینی سگ یا گربه Predicting a cat or a dog

• ساخت مدل برای طبقه‌بندی سگ در مقابل گربه Model Building For Cat Vs. Dog Classification

• دموی سگ در مقابل گربه: بخش اول Demonstration on Dog Vs Cat - I

• دموی سگ در مقابل گربه: بخش دوم Demonstration on Dog Vs Cat - II

• دموی سگ در مقابل گربه: بخش سوم Demonstration on Dog Vs Cat - III

• اهمیت ذخیره و بارگذاری مدل Importance Of Saving And Loading A Model

• ذخیره و بارگذاری یک مدل Saving and Loading a Model

• دموی ذخیره و بارگذاری مدل Demo-Saving and Loading the Model

• پیاده‌سازی RNN Implementing RNN

• مبانی LSTM LSTM Basics

• ساختار LSTM LSTM Structure

• درگاه (Gate) Gate

• درگاه‌ها در LSTM Gates in LSTM

• درگاه ورودی، خروجی و فراموشی Input, Output and Forget Gate

• معماری LSTM LSTM Architecture

• معماری LSTM: نمای کلی LSTM Architecture: Overview

• معماری LSTM: درگاه‌ها LSTM Architecture: GATES

• اهمیت معماری LSTM Importance of LSTM Architecture

• مدل‌های مبتنی بر توالی (Sequence Based) Sequence Based Model

• مدل مبتنی بر توالی در CNN Sequence Based Model in CNN

• مدل مبتنی بر توالی در CNN: ادامه Sequence Based Model in CNN: Continuation

• انواع LSTM Types of LSTM

• تفاوت Vanilla LSTM و Stacked LSTM Vanilla LSTM and Stacked LSTM

• شبکه عصبی پیچشی LSTM Convolutional Neural Network LSTM

• شبکه LSTM دوطرفه (Bi-Directional) Bi-Directional LSTM

پردازش زبان طبیعی Natural Language Process

• متن‌کاوی (Text Mining) Text Mining

• نیاز به متن‌کاوی Need of Text Mining

• کاربردهای متن‌کاوی Applications of Text Mining

• مقایسه کاربردها در متن‌کاوی Comparison of Applications in Text Mining

• راه‌اندازی NLTK Setting Up NLTK

• دموی راه‌اندازی NLTK Demonstration on Setting-up NLTK

• دسترسی به مجموعه‌داده‌های NLTK Accessing the NLTK Corpora

• توکن‌بندی (Tokenization) Tokenization

• انواع توکن‌بندی Types of Tokenization

• کاربردهای توکن‌بندی Uses of Tokenization

• بی‌گرام، تری‌گرام و ان‌گرام‌ها Bigrams, Trigrams & Ngrams

• دموی بی‌گرام، تری‌گرام و ان‌گرام‌ها Demonstration on Bigrams, Trigrams and Ngrams

• ساقه تراشی (Stemming) Stemming

• انواع مختلف Stemmer Different types of Stemmer

• دموی ساقه تراشی Demonstration on Stemming

• ریشه یابی (Lemmatization) Lemmatization

• ریشه‌یابی با استفاده از NLTK Lemmatization Using NLTK

• کلمات توقف (Stopwords) Stopwords

• دموی کلمات توقف Demonstration on Stopwords

• برچسب‌گذاری اجزای سخن (POS Tagging) POS Tagging

• برچسب‌های رایج و توضیحات POS Common Tags and Descriptions of POS

• نیاز به برچسب‌های POS Need of POS Tags

• دموی اجزای سخن Demonstration on Parts of Speech

• مدل کیسه کلمات (Bag of Words) Bag of Words

• دموی رویکرد کیسه کلمات: بخش اول Demonstration on Bag of Words Approach

• دموی رویکرد کیسه کلمات: بخش دوم Demonstration on Bag of Words Approach - II

• پردازش متن Text Processing

• بردارساز شمارشی (Count Vectorizer) Count Vectorizer

• بردارسازی شمارشی در Scikit-Learn Count Vectorization in Scikit - Learn

• فرکانس عبارت (TF) Term Frequency (TF)

• فرکانس عبارت در Scikit-Learn Term frequency in Scikit - Learn

• دموی فرکانس عبارت: بخش اول Demonstration on Term Frequency

• دموی فرکانس عبارت: بخش دوم Demonstration on Term Frequency - II

• فرکانس معکوس سند (IDF) Inverse Document Frequency (IDF)

• مثال فرکانس معکوس سند (IDF) Inverse Document Frequency (IDF) Example

• طبقه‌بند Multinomial Naive Bayes Multinomial Naive Bayes Classifier

• الگوریتم Multinomial Naive Bayes Multinomial Naive Bayes Algorithm

• بهره‌برداری از ماتریس اغالت (Confusion Matrix) Leveraging Confusion Matrix

• نمایش ماتریس اغالت Representation of Confusion Matrix

جمع‌بندی دوره و ارزیابی‌ها Course Wrap-up and Assessments

• جمع‌بندی نهایی دوره Course Summary