🔔 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 گواهی توسعه دهنده TensorFlow - پردازش زبان طبیعی (NLP)
- آخرین آپدیت
TensorFlow Developer Certificate - Natural Language Processing (NLP)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره تمام تکنیک های NLP در Tensorflow 2 را به شما آموزش می دهد که برای انجام کارهای شگفت انگیز مانند تولید متن یا طبقه بندی قصد نیاز است. پردازش زبان طبیعی مجموعه ای از ابزارهایی است که ما را قادر می سازد قدرت تجزیه و تحلیل متن را باز کنیم. در این دوره، گواهی توسعه دهنده TensorFlow - پردازش زبان طبیعی (NLP)، یاد خواهید گرفت که چگونه تکنیک های NLP را به کار ببرید و آنها را با Tensorflow مدل کنید. ابتدا، شما کشف خواهید کرد که تعبیه کلمات چیست و چگونه احساسات را پیش بینی کنید. در مرحله بعد، نحوه طبقهبندی متن را با آن جاسازیها و طبقهبندی قصد خارج از متن کشف خواهید کرد. در نهایت، نحوه تولید متن برای ایجاد یک مدل پیشنهادی مانند مدل Gmail را یاد خواهید گرفت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش NLP با Tensorflow را خواهید داشت که برای ایجاد انواع راه حل های NLP لازم است.
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
در پایان این دوره چه کاری را می توانید انجام دهید؟
What Will You Be Able to Do When Finishing This Course?
طرح کلی دوره
Outline of the Course
استفاده از جاسازی های ورد
Using Word Embeddings
چگونه کلمات را بازنمایی کنیم
How to Represent Words
تعبیه اول: رمزگذاری یک داغ
First Embedding: One-hot Encoding
نسخه ی نمایشی: تجزیه و تحلیل احساسات با OHE - قسمت 1
Demo: Analyzing Sentiment with OHE - Part 1
نسخه ی نمایشی: تجزیه و تحلیل احساسات با OHE - قسمت 2
Demo: Analyzing Sentiment with OHE - Part 2
نسخه ی نمایشی: تجزیه و تحلیل احساسات با OHE - قسمت 3
Demo: Analyzing Sentiment with OHE - Part 3
نسخه ی نمایشی: تجزیه و تحلیل احساسات با OHE - قسمت 4
Demo: Analyzing Sentiment with OHE - Part 4
یادآوری: آموزش انتقال
Reminder: Transfer Learning
نسخه ی نمایشی: احساسات را با GloVe دوباره تحلیل کنید - قسمت 1
Demo: Reanalyze Sentiment with GloVe - Part 1
نسخه ی نمایشی: احساسات را با GloVe دوباره تحلیل کنید - قسمت 2
Demo: Reanalyze Sentiment with GloVe - Part 2
نسخه ی نمایشی: احساسات را با GloVe دوباره تحلیل کنید - قسمت 3
Demo: Reanalyze Sentiment with GloVe - Part 3
نسخه ی نمایشی: احساسات را با GloVe دوباره تحلیل کنید - قسمت 4
Demo: Reanalyze Sentiment with GloVe - Part 4
نکات و نکات کلیدی
Key Takeaways and Tips
بعدش چی پیش میاد؟
What Comes Next?
طبقه بندی قصد از متن
Classifying Intention from Text
نحوه طبقه بندی برچسب ها از متن
How to Classify Labels from Text
یادآوری: Softmax و Crossentropy
Reminder: Softmax and Crossentropy
نسخه ی نمایشی: طبقه بندی هدف مشتری از متن - قسمت 1
Demo: Classifying Customer Intent from Text - Part 1
نسخه ی نمایشی: طبقه بندی هدف مشتری از متن - قسمت 2
Demo: Classifying Customer Intent from Text - Part 2
نکات و نکات کلیدی
Key Takeaways and Tips
بعدش چی پیش میاد؟
What Comes Next?
کمک به کاربران در تولید متن
Helping Users with Text Generation
با چه مشکلاتی در شبکه های عصبی در متن مواجه هستیم؟
What Problems Do We Face with Neural Networks in the Text?
معرفی RNN و LSTM
Introducing RNN and LSTM
نسخه ی نمایشی: آموزش مدل تولید متن مبتنی بر کاراکتر - قسمت 1
Demo: Training a Character-based Text Generation Model - Part 1
نسخه ی نمایشی: آموزش مدل تولید متن مبتنی بر کاراکتر - قسمت 2
Demo: Training a Character-based Text Generation Model - Part 2
نسخه ی نمایشی: آموزش مدل تولید متن مبتنی بر کاراکتر - قسمت 3
Demo: Training a Character-based Text Generation Model - Part 3
نسخه ی نمایشی: آموزش مدل تولید متن مبتنی بر کاراکتر - قسمت 4
Demo: Training a Character-based Text Generation Model - Part 4
نسخه ی نمایشی: آموزش مدل تولید متن مبتنی بر کاراکتر - قسمت 5
Demo: Training a Character-based Text Generation Model - Part 5
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.
نمایش نظرات