آموزش 2023 پردازش زبان طبیعی در پایتون برای مبتدیان

2023 Natural Language Processing in Python for Beginners

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: Text Cleaning, Spacy, NLTK, Scikit-Learn, Deep Learning, word2vec, GloVe, LSTM for Sentiment, Emotion, Spam & CV تجزیه پردازش کامل متن با Python آموزش استخراج متن از فایل های PDF استفاده از عبارات منظم برای جستجو در متن استفاده SpaCy و NLTK برای استخراج ویژگی‌های متن کامل از متن خام استفاده از تخصیص دیریکله پنهان برای مدل‌سازی موضوع استفاده از Scikit-Learn و یادگیری عمیق برای طبقه‌بندی متن یادگیری طبقه‌بندی متن چند کلاسه و چند برچسبی استفاده از Spacy و NLTK برای تحلیل احساسات درک و ساخت word2vec و مدل‌های ML مبتنی بر GloVe از Gensim برای به دست آوردن بردارهای کلمه از پیش آموزش‌دیده و محاسبه شباهت‌ها و تشابهات استفاده کنید. یاد بگیرید که چگونه از پایتون و کتابخانه های محبوب آن مانند NLTK و spaCy برای انجام وظایف رایج NLP استفاده کنید. بتوانید داده های متنی را با استفاده از پایتون نشانه گذاری و ریشه کنید. تکنیک‌های رایج NLP مانند تجزیه و تحلیل احساسات، طبقه‌بندی متن، و شناسایی موجودیت نام‌گذاری شده را درک کرده و به کار ببرید. یاد بگیرید که چگونه تکنیک های NLP را در مسائل و پروژه های دنیای واقعی به کار ببرید. مفهوم مدل سازی موضوع را درک کنید و آن را با استفاده از پایتون پیاده سازی کنید. اصول خلاصه سازی متن و اجرای آن را با استفاده از پایتون بیاموزید. درک مفهوم تولید متن و پیاده سازی آن با استفاده از پایتون مفهوم تبدیل متن به گفتار و گفتار به متن را درک کنید و آنها را با استفاده از پایتون پیاده سازی کنید. یاد بگیرید که چگونه از تکنیک های یادگیری عمیق برای NLP مانند RNN، LSTM و جاسازی کلمه استفاده کنید. پیش نیازها: اشتیاق به یادگیری ریاضی سطح ابتدایی داشتن درک اولیه پایتون و یادگیری ماشینی

به دوره آموزشی پردازش زبان طبیعی (NLP) KGP Talkie خوش آمدید. این طراحی شده است تا درک کاملی از پردازش و استخراج متن با استفاده از الگوریتم های پیشرفته NLP در پایتون به شما بدهد.

ما Spacy را با جزئیات یاد خواهیم گرفت و همچنین کاربردهای NLP را در زندگی واقعی بررسی خواهیم کرد. این دوره اصول NLP را برای پیشبرد موضوعاتی مانند word2vec، GloVe، Deep Learning برای NLP مانند CNN، ANN و LSTM پوشش می دهد. همچنین به شما نشان خواهم داد که چگونه می توانید کد ML خود را با استفاده از ابزارهای مختلف sklean در پایتون بهینه کنید. در قسمت پایانی این دوره، نحوه تولید شعر با استفاده از LSTM را یاد خواهید گرفت. طبقه بندی Multi-Label و Multi-class توضیح داده شده است. حداقل 12 پروژه NLP در این دوره پوشش داده می شود. شما روش های مختلفی را برای حل مشکلات NLP پیشرو یاد خواهید گرفت.


قبل از ثبت نام در این دوره، باید دانش مقدماتی پایتون و یادگیری ماشین داشته باشید.

در این دوره، از سطح 0 به سطح پیشرفته شروع می کنیم.

ما با اصول اولیه مانند یادگیری ماشینی و نحوه عملکرد آن شروع خواهیم کرد. پس از آن من شما را به دوره تصادف پایتون، نامپی و پاندا می برم. اگر تجربه قبلی دارید می توانید از این بخش ها صرف نظر کنید. بازی واقعی NLP با معرفی Spacy شروع می شود که در آن شما را در مراحل مختلف پیش پردازش NLP راهنمایی می کنم. ما از Spacy و NLTK بیشتر برای پیش پردازش داده های متنی استفاده خواهیم کرد.

در بخش بعدی، با کار با فایل‌ها برای ذخیره و بارگذاری داده‌های متنی آشنا می‌شویم. این بخش پایه و اساس بخش دیگری در زمینه پیش پردازش کامل متن است. من راه های زیادی را برای پیش پردازش متن با استفاده از Spacy و Regular Expression به شما نشان خواهم داد. در نهایت، من به شما نشان خواهم داد که چگونه می توانید بسته پایتون خود را در پیش پردازش ایجاد کنید. این به ما کمک می کند تا مهارت های کدنویسی خود را بهبود بخشیم. ما قادر خواهیم بود از کد خود در سراسر سیستم بدون نوشتن کدهایی برای پیش پردازش هر بار استفاده مجدد کنیم. این بخش مهمترین بخش است.

سپس، بخش تئوری یادگیری ماشین را شروع می‌کنیم و به بررسی بسته Scikit-Learn Python می‌پردازیم که در آن نحوه نوشتن کد ML تمیز را یاد می‌گیریم. پس از آن، ما اولین طبقه‌بندی متن خود را برای طبقه‌بندی پیام‌های SPAM و HAM توسعه خواهیم داد. همچنین انواع مختلفی از تعبیه‌های کلمه مورد استفاده در NLP مانند Bag of Words، Term Frequency، IDF و TF-IDF را به شما نشان خواهم داد. من به شما نشان خواهم داد که چگونه می توانید این ویژگی ها را از ابتدا و همچنین با کمک بسته Scikit-Learn تخمین بزنید.

پس از آن با استقرار مدل یادگیری ماشینی آشنا خواهیم شد. ما همچنین ابزارهای ضروری دیگر مانند word2vec، GloVe، Deep Learning، CNN، LSTM، RNN و غیره را یاد خواهیم گرفت.


کلمات کلیدی تحت پوشش

پردازش زبان طبیعی، پایتون، مبتدیان، NLP، پردازش متن، تجزیه و تحلیل متن، یادگیری ماشین، علم داده، هوش مصنوعی، درک زبان طبیعی، متن کاوی، طبقه‌بندی متن، تحلیل احساسات، موجودیت نام‌گذاری شده، تشخیص گفتار، مدل‌سازی زبان، تولید متن، خلاصه‌سازی متن، خوشه‌بندی متن، شباهت متن، پیش‌پردازش متن، عبارات منظم، NLTK، spaCy، Gensim، Scikit-learn، TensorFlow، Keras، Numpy، Pandas، Jupyter Notebook، تجسم داده.


در پایان این درس، همه چیزهایی را که برای حل مشکل NLP خود نیاز دارید، یاد خواهید گرفت.


سرفصل ها و درس ها

معرفی Introduction

  • شهود یادگیری ماشین Machine Learning Intuition

  • بررسی اجمالی دوره Course Overview

  • از آن نگذرید | پوشه منابع! DO NOT SKIP IT | Resources Folder!

  • از آن نگذرید | پوشه منابع! DO NOT SKIP IT | Resources Folder!

  • آناکوندا و پایتون 3 را روی ویندوز 10 نصب کنید Install Anaconda and Python 3 on Windows 10

  • آناکوندا و پایتون 3 را روی ویندوز 10 نصب کنید Install Anaconda and Python 3 on Windows 10

  • آناکوندا و پایتون 3 را روی ماشین اوبونتو نصب کنید Install Anaconda and Python 3 on Ubuntu Machine

  • آناکوندا و پایتون 3 را روی ماشین اوبونتو نصب کنید Install Anaconda and Python 3 on Ubuntu Machine

  • Anaconda و Python 3 را روی Mac Machine نصب کنید Install Anaconda and Python 3 on Mac Machine

  • Anaconda و Python 3 را روی Mac Machine نصب کنید Install Anaconda and Python 3 on Mac Machine

  • Git Bash و Commander Terminal را نصب کنید Install Git Bash and Commander Terminal

  • میانبرهای نوت بوک Jupyter Jupyter Notebook Shortcuts

  • میانبرهای نوت بوک Jupyter Jupyter Notebook Shortcuts

معرفی Introduction

  • شهود یادگیری ماشین Machine Learning Intuition

  • بررسی اجمالی دوره Course Overview

  • Git Bash و Commander Terminal را نصب کنید Install Git Bash and Commander Terminal

دوره سقوط پایتون Python Crash Course

  • معرفی Introduction

  • معرفی Introduction

  • انواع داده ها Data Types

  • انتساب متغیر Variable Assignment

  • انتساب متغیر Variable Assignment

  • واگذاری رشته String Assignment

  • فهرست کنید List

  • فهرست کنید List

  • تنظیم Set

  • تنظیم Set

  • چندتایی Tuple

  • چندتایی Tuple

  • فرهنگ لغت Dictionary

  • عملگر بولی و مقایسه Boolean and Comparison Operator

  • اپراتور منطقی Logical Operator

  • اپراتور منطقی Logical Operator

  • اگر، دیگری، الیف If, Else, Elif

  • حلقه ها در پایتون Loops in Python

  • روش ها و تابع لامبدا Methods and Lambda Function

دوره سقوط پایتون Python Crash Course

  • معرفی Introduction

  • انواع داده ها Data Types

  • واگذاری رشته String Assignment

  • فرهنگ لغت Dictionary

  • عملگر بولی و مقایسه Boolean and Comparison Operator

  • اگر، دیگری، الیف If, Else, Elif

  • حلقه ها در پایتون Loops in Python

  • روش ها و تابع لامبدا Methods and Lambda Function

معرفی Numpy [اختیاری] Numpy Introduction [Optional]

  • معرفی Introduction

  • آرایه Array

  • NaN و INF NaN and INF

  • عملیات آماری Statistical Operations

  • عملیات آماری Statistical Operations

  • شکل، تغییر شکل، راول، صاف کردن Shape, Reshape, Ravel, Flatten

  • شکل، تغییر شکل، راول، صاف کردن Shape, Reshape, Ravel, Flatten

  • دنباله، تکرار، و اعداد تصادفی Sequence, Repetitions, and Random Numbers

  • Where()، ArgMax()، ArgMin() Where(), ArgMax(), ArgMin()

  • فایل خواندن و نوشتن File Read and Write

  • فایل خواندن و نوشتن File Read and Write

  • الحاق و مرتب سازی Concatenate and Sorting

  • الحاق و مرتب سازی Concatenate and Sorting

  • کار با خرما Working with Dates

معرفی Numpy [اختیاری] Numpy Introduction [Optional]

  • معرفی Introduction

  • آرایه Array

  • NaN و INF NaN and INF

  • دنباله، تکرار، و اعداد تصادفی Sequence, Repetitions, and Random Numbers

  • Where()، ArgMax()، ArgMin() Where(), ArgMax(), ArgMin()

  • کار با خرما Working with Dates

معرفی پانداها [اختیاری] Pandas Introduction [Optional]

  • معرفی Introduction

  • DataFrame و Series DataFrame and Series

  • DataFrame و Series DataFrame and Series

  • خواندن و نوشتن فایل File Reading and Writing

  • اطلاعات، شکل، تکراری، و رها کردن Info, Shape, Duplicated, and Drop

  • ستون ها Columns

  • مقادیر NaN و Null NaN and Null Values

  • انتساب Imputation

  • تابع لامبدا Lambda Function

  • تابع لامبدا Lambda Function

معرفی پانداها [اختیاری] Pandas Introduction [Optional]

  • معرفی Introduction

  • خواندن و نوشتن فایل File Reading and Writing

  • اطلاعات، شکل، تکراری، و رها کردن Info, Shape, Duplicated, and Drop

  • ستون ها Columns

  • مقادیر NaN و Null NaN and Null Values

  • انتساب Imputation

معرفی Spacy 3 برای NLP Introduction of Spacy 3 for NLP

  • مقدمه ای بر NLP Introduction to NLP

  • مقدمه ای بر NLP Introduction to NLP

  • Spacy 3 مقدمه Spacy 3 Introduction

  • Spacy 3 مقدمه Spacy 3 Introduction

  • توکن سازی Spacy 3 Spacy 3 Tokenization

  • توکن سازی Spacy 3 Spacy 3 Tokenization

  • برچسب گذاری POS در Spacy 3 POS Tagging in Spacy 3

  • برچسب گذاری POS در Spacy 3 POS Tagging in Spacy 3

  • تجسم تجزیه وابستگی با Displacy Visualizing Dependency Parsing with Displacy

  • تشخیص مرز جمله Sentence Boundary Detection

  • تشخیص مرز جمله Sentence Boundary Detection

  • Stop Words in Spacy 3 Stop Words in Spacy 3

  • Stop Words in Spacy 3 Stop Words in Spacy 3

  • Lemmatization در Spacy 3 Lemmatization in Spacy 3

  • Lemmatization در Spacy 3 Lemmatization in Spacy 3

  • ریشه در NLTK - Lemmatization در مقابل ریشه در NLP Stemming in NLTK - Lemmatization vs Stemming in NLP

  • فرکانس شمار کلمه Word Frequency Counter

  • تطبیق مبتنی بر قانون در فضایی قسمت 1 Rule Based Matching in Spacy Part 1

  • مثال‌های تطبیق توکن مبتنی بر قانون بخش 2 Rule Based Token Matching Examples Part 2

  • مثال‌های تطبیق توکن مبتنی بر قانون بخش 2 Rule Based Token Matching Examples Part 2

  • تطبیق عبارت مبتنی بر قانون در فضا Rule Based Phrase Matching in Spacy

  • مطابقت موجودیت مبتنی بر قانون در فضایی Rule Based Entity Matching in Spacy

  • مطابقت موجودیت مبتنی بر قانون در فضایی Rule Based Entity Matching in Spacy

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 1 NER (Named Entity Recognition) in Spacy 3 Part 1

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 2 NER (Named Entity Recognition) in Spacy 3 Part 2

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 2 NER (Named Entity Recognition) in Spacy 3 Part 2

  • کلمه به بردار (word2vec) و شباهت جمله در فاصله Word to Vector (word2vec) and Sentence Similarity in Spacy

  • کلمه به بردار (word2vec) و شباهت جمله در فاصله Word to Vector (word2vec) and Sentence Similarity in Spacy

  • عبارت منظم قسمت 1 Regular Expression Part 1

  • بیان منظم قسمت 2 Regular Expression Part 2

معرفی Spacy 3 برای NLP Introduction of Spacy 3 for NLP

  • تجسم تجزیه وابستگی با Displacy Visualizing Dependency Parsing with Displacy

  • ریشه در NLTK - Lemmatization در مقابل ریشه در NLP Stemming in NLTK - Lemmatization vs Stemming in NLP

  • فرکانس شمار کلمه Word Frequency Counter

  • تطبیق مبتنی بر قانون در فضایی قسمت 1 Rule Based Matching in Spacy Part 1

  • تطبیق عبارت مبتنی بر قانون در فضا Rule Based Phrase Matching in Spacy

  • NER (تشخیص نهاد نامگذاری شده) در Spacy 3 قسمت 1 NER (Named Entity Recognition) in Spacy 3 Part 1

  • عبارت منظم قسمت 1 Regular Expression Part 1

  • بیان منظم قسمت 2 Regular Expression Part 2

کار با فایل های متنی Working with Text Files

  • قالب بندی رشته String Formatting

  • کار با فایل های open() در حالت write() قسمت 1 Working with open() Files in write() Mode Part 1

  • کار با فایل های open() در حالت write() قسمت 1 Working with open() Files in write() Mode Part 1

  • کار با فایل های open() در حالت write() قسمت 2 Working with open() Files in write() Mode Part 2

  • کار با فایل های open() در حالت write() قسمت 2 Working with open() Files in write() Mode Part 2

  • کار با فایل های open() در حالت write() قسمت 3 Working with open() Files in write() Mode Part 3

  • کار با فایل های open() در حالت write() قسمت 3 Working with open() Files in write() Mode Part 3

  • فایل ها را بخوانید و ارزیابی کنید Read and Evaluate the Files

  • فایل ها را بخوانید و ارزیابی کنید Read and Evaluate the Files

  • خواندن و نوشتن فایل‌های CSV و .TSV با پانداها Reading and Writing .CSV and .TSV Files with Pandas

  • خواندن و نوشتن فایل‌های XLSX با پانداها Reading and Writing .XLSX Files with Pandas

  • خواندن و نوشتن فایل‌های XLSX با پانداها Reading and Writing .XLSX Files with Pandas

  • خواندن و نوشتن فایل های JSON Reading and Writing .JSON Files

  • خواندن و نوشتن فایل های JSON Reading and Writing .JSON Files

  • خواندن فایل ها از لینک های URL Reading Files from URL Links

  • خواندن فایل ها از لینک های URL Reading Files from URL Links

  • استخراج داده های متنی از PDF Extract Text Data From PDF

  • صدا را ضبط کرده و به متن تبدیل کنید Record the Audio and Convert to Text

  • تبدیل صدا به داده های متنی Convert Audio in Text Data

  • تولید متن به گفتار Text to Speech Generation

کار با فایل های متنی Working with Text Files

  • قالب بندی رشته String Formatting

  • خواندن و نوشتن فایل‌های CSV و .TSV با پانداها Reading and Writing .CSV and .TSV Files with Pandas

  • استخراج داده های متنی از PDF Extract Text Data From PDF

  • صدا را ضبط کرده و به متن تبدیل کنید Record the Audio and Convert to Text

  • تبدیل صدا به داده های متنی Convert Audio in Text Data

  • تولید متن به گفتار Text to Speech Generation

پاکسازی و پیش پردازش کامل متن Complete Text Cleaning and Preprocessing

  • معرفی Introduction

  • معرفی Introduction

  • تعداد کلمات Word Counts

  • تعداد شخصیت ها Characters Counts

  • تعداد شخصیت ها Characters Counts

  • میانگین طول کلمه Average Word Length

  • میانگین طول کلمه Average Word Length

  • تعداد کلمات را متوقف کنید Stop Words Count

  • تعداد کلمات را متوقف کنید Stop Words Count

  • #هشتگ و @منشن را بشمارید Count #hashtag and @mentions

  • تعداد ارقام عددی Numeric Digit Count

  • تعداد کلمات با حروف بزرگ Upper case Words Count

  • تبدیل حروف کوچک Lower case Conversion

  • تبدیل حروف کوچک Lower case Conversion

  • انقباض به انبساط Contraction to Expansion

  • شمارش و حذف ایمیل ها Count and Remove Emails

  • شمارش و حذف ایمیل ها Count and Remove Emails

  • شمارش و حذف URL ها Count and Remove URLs

  • شمارش و حذف URL ها Count and Remove URLs

  • RT را از داده های توییتر حذف کنید Remove RT from Tweeter Data

  • حذف نویسه های ویژه و حذف علائم نقطه گذاری Special Chars Removal and Punctuation Removal

  • حذف نویسه های ویژه و حذف علائم نقطه گذاری Special Chars Removal and Punctuation Removal

  • فاصله های متعدد را حذف کنید Remove Multiple Spaces

  • برچسب های HTML را حذف کنید Remove HTML Tags

  • برچسب های HTML را حذف کنید Remove HTML Tags

  • کاراکترهای تاکیدی را حذف کنید Remove Accented Chars

  • Stop Words را حذف کنید Remove Stop Words

  • تبدیل به فرم پایه یا ریشه کلمات Convert into Base or Root Form of Words

  • تبدیل به فرم پایه یا ریشه کلمات Convert into Base or Root Form of Words

  • حذف کلمات رایج Common Words Removal

  • حذف کلمات رایج Common Words Removal

  • حذف کلمات نادر Rare Words Removal

  • تجسم ابری ورد Word Cloud Visualization

  • تصحیح املا Spelling Correction

  • تصحیح املا Spelling Correction

  • توکن سازی با TextBlob Tokenization with TextBlob

  • توکن سازی با TextBlob Tokenization with TextBlob

  • تشخیص اسم Nouns Detection

  • ترجمه و تشخیص زبان Language Translation and Detection

  • ترجمه و تشخیص زبان Language Translation and Detection

  • پیش بینی احساسات با TextBlob Sentiment Prediction with TextBlob

  • پیش بینی احساسات با TextBlob Sentiment Prediction with TextBlob

پاکسازی و پیش پردازش کامل متن Complete Text Cleaning and Preprocessing

  • معرفی Introduction

  • تعداد کلمات Word Counts

  • #هشتگ و @منشن را بشمارید Count #hashtag and @mentions

  • تعداد ارقام عددی Numeric Digit Count

  • تعداد کلمات با حروف بزرگ Upper case Words Count

  • انقباض به انبساط Contraction to Expansion

  • RT را از داده های توییتر حذف کنید Remove RT from Tweeter Data

  • فاصله های متعدد را حذف کنید Remove Multiple Spaces

  • کاراکترهای تاکیدی را حذف کنید Remove Accented Chars

  • Stop Words را حذف کنید Remove Stop Words

  • حذف کلمات نادر Rare Words Removal

  • تجسم ابری ورد Word Cloud Visualization

  • تشخیص اسم Nouns Detection

پاکسازی و پیش پردازش متن در پایتون | بسته بندی نرم افزار برای نصب PIP Text Cleaning and Preprocessing in Python | Software Packaging for PIP Install

  • راه اندازی فایل های کد Code Files Setup

  • Readme و آماده سازی فایل لایسنس Readme and License File Preparation

  • آماده سازی Setup.py Setup.py Preparation

  • کد Utils.py در امتداد قسمت 1 Utils.py Code Along Part 1

  • کد Utils.py در امتداد قسمت 2 Utils.py Code Along Part 2

  • کد Utils.py در امتداد قسمت 3 Utils.py Code Along Part 3

  • کد Utils.py در امتداد قسمت 3 Utils.py Code Along Part 3

  • کد Utils.py در امتداد قسمت 4 Utils.py Code Along Part 4

  • __init__.py کد همراه __init__.py Code Along

  • راه اندازی حساب GitHub و آپلود بسته GitHub Account Setup and Package Upload

  • تنظیم کلید SSH برای GitHub SSH Key Setup for GitHub

  • تنظیم کلید SSH برای GitHub SSH Key Setup for GitHub

  • بسته پیش پردازش پایتون را نصب کنید Install Preprocess Python Package

  • حذف خطاها قسمت 1 Removing the Errors Part 1

  • حذف خطاها قسمت 1 Removing the Errors Part 1

  • حذف خطاها قسمت 2 Removing the Errors Part 2

  • حذف خطاها قسمت 2 Removing the Errors Part 2

  • تست پکیج Testing the Package

  • تست پکیج Testing the Package

پاکسازی و پیش پردازش متن در پایتون | بسته بندی نرم افزار برای نصب PIP Text Cleaning and Preprocessing in Python | Software Packaging for PIP Install

  • راه اندازی فایل های کد Code Files Setup

  • Readme و آماده سازی فایل لایسنس Readme and License File Preparation

  • آماده سازی Setup.py Setup.py Preparation

  • کد Utils.py در امتداد قسمت 1 Utils.py Code Along Part 1

  • کد Utils.py در امتداد قسمت 2 Utils.py Code Along Part 2

  • کد Utils.py در امتداد قسمت 4 Utils.py Code Along Part 4

  • __init__.py کد همراه __init__.py Code Along

  • راه اندازی حساب GitHub و آپلود بسته GitHub Account Setup and Package Upload

  • بسته پیش پردازش پایتون را نصب کنید Install Preprocess Python Package

مقدمه ای بر یادگیری ماشین با Scikit-Learn Introduction to Machine Learning with Scikit-Learn

  • شهود رگرسیون لجستیک Logistic Regression Intuition

  • شهود رگرسیون لجستیک Logistic Regression Intuition

  • پشتیبان شهود ماشین بردار Support Vector Machine Intuition

  • شهود درخت تصمیم Decision Tree Intuition

  • شهود تصادفی جنگل Random Forest Intuition

  • شهود تصادفی جنگل Random Forest Intuition

  • تنظیم L2 L2 Regularization

  • تنظیم L2 L2 Regularization

  • L1 منظم سازی L1 Regularization

  • L1 منظم سازی L1 Regularization

  • معیارهای ارزیابی مدل: دقت، دقت، یادآوری و ماتریس سردرگمی Model Evaluation Metrics: Accuracy, Precision, Recall, and Confusion Matrix

  • معیارهای ارزیابی مدل: ROC و AUC Model Evaluation Metrics: ROC and AUC

  • کد همراه در پایتون قسمت 1 Code Along in Python Part 1

  • کد همراه در پایتون قسمت 2 Code Along in Python Part 2

  • کد همراه در پایتون قسمت 3 Code Along in Python Part 3

  • کد همراه در پایتون قسمت 3 Code Along in Python Part 3

  • کد همراه در پایتون قسمت 4 Code Along in Python Part 4

مقدمه ای بر یادگیری ماشین با Scikit-Learn Introduction to Machine Learning with Scikit-Learn

  • پشتیبان شهود ماشین بردار Support Vector Machine Intuition

  • شهود درخت تصمیم Decision Tree Intuition

  • معیارهای ارزیابی مدل: دقت، دقت، یادآوری و ماتریس سردرگمی Model Evaluation Metrics: Accuracy, Precision, Recall, and Confusion Matrix

  • معیارهای ارزیابی مدل: ROC و AUC Model Evaluation Metrics: ROC and AUC

  • کد همراه در پایتون قسمت 1 Code Along in Python Part 1

  • کد همراه در پایتون قسمت 2 Code Along in Python Part 2

  • کد همراه در پایتون قسمت 4 Code Along in Python Part 4

طبقه بندی متن هرزنامه Spam Text Classification

  • شهود استخراج ویژگی متن قسمت 1 Text Feature Extraction Intuition Part 1

  • شهود استخراج ویژگی متن قسمت 2 Text Feature Extraction Intuition Part 2

  • کد کیسه کلمات (BoW) در پایتون Bag of Words (BoW) Code Along in Python

  • کد کیسه کلمات (BoW) در پایتون Bag of Words (BoW) Code Along in Python

  • کد فرکانس ترم (TF) همراه در پایتون Term Frequency (TF) Code Along in Python

  • کد فرکانس اسناد معکوس (IDF) در پایتون Inverse Document Frequency (IDF) Code Along in Python

  • کد TFIDF Along در پایتون TFIDF Code Along in Python

  • کد TFIDF Along در پایتون TFIDF Code Along in Python

  • مجموعه داده های هرزنامه را بارگیری کنید Load Spam Dataset

  • مجموعه داده های موجود Balance Dataset

  • تجزیه و تحلیل داده های اکتشافی (EDA) Exploratory Data Analysis (EDA)

  • تجزیه و تحلیل داده های اکتشافی (EDA) Exploratory Data Analysis (EDA)

  • آماده سازی داده ها برای آموزش Data Preparation for Training

  • آماده سازی داده ها برای آموزش Data Preparation for Training

  • ساخت و آموزش مدل های SVM و جنگل تصادفی Build and Train SVM and Random Forest Models

  • ساخت و آموزش مدل های SVM و جنگل تصادفی Build and Train SVM and Random Forest Models

  • مدل خود را با داده های واقعی تست کنید Test Your Model with Real Data

  • مدل خود را با داده های واقعی تست کنید Test Your Model with Real Data

طبقه بندی متن هرزنامه Spam Text Classification

  • شهود استخراج ویژگی متن قسمت 1 Text Feature Extraction Intuition Part 1

  • شهود استخراج ویژگی متن قسمت 2 Text Feature Extraction Intuition Part 2

  • کد فرکانس ترم (TF) همراه در پایتون Term Frequency (TF) Code Along in Python

  • کد فرکانس اسناد معکوس (IDF) در پایتون Inverse Document Frequency (IDF) Code Along in Python

  • مجموعه داده های هرزنامه را بارگیری کنید Load Spam Dataset

  • مجموعه داده های موجود Balance Dataset

تحلیل احساسات توییتر بلادرنگ Real-Time Twitter Sentiment Analysis

  • راه اندازی نوت بوک Notebook Setup

  • آموزش مدل SVM SVM Model Training

  • مدل خود را تست کنید Test Your Model

  • پاکسازی داده ها و بازآموزی SVM قسمت 1 Data Cleaning and Retraining SVM Part 1

  • پاکسازی داده ها و بازآموزی SVM قسمت 2 Data Cleaning and Retraining SVM Part 2

  • مدل ML خود را به خوبی تنظیم کنید Fine Tune Your ML Model

  • ذخیره و بارگذاری مدل ML Saving and Loading ML Model

  • ذخیره و بارگذاری مدل ML Saving and Loading ML Model

  • ایجاد حساب توسعه دهنده توییتر Create Twitter Developer Account

  • ایجاد حساب توسعه دهنده توییتر Create Twitter Developer Account

  • توکن های دسترسی را دریافت کنید Get the Access Tokens

  • توکن های دسترسی را دریافت کنید Get the Access Tokens

  • خواندن جدول زمانی توییتر در زمان واقعی Reading Twitter Timeline in Real-Time

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 1 Tracking Keywords in Real-Time on Twitter Part 1

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 1 Tracking Keywords in Real-Time on Twitter Part 1

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 2 Tracking Keywords in Real-Time on Twitter Part 2

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 2 Tracking Keywords in Real-Time on Twitter Part 2

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 3 Tracking Keywords in Real-Time on Twitter Part 3

  • ردیابی کلمات کلیدی در زمان واقعی در توییتر قسمت 3 Tracking Keywords in Real-Time on Twitter Part 3

  • تجزیه و تحلیل احساسات در زمان واقعی با TextBlob Real-Time Sentiment Analysis with TextBlob

  • تجزیه و تحلیل احساسات در زمان واقعی با TextBlob Real-Time Sentiment Analysis with TextBlob

  • تجزیه و تحلیل احساسات در زمان واقعی با مدل آموزش دیده ML Real-Time Sentiment Analysis with Trained ML Model

  • تجزیه و تحلیل احساسات توییتر در زمان واقعی ایالات متحده آمریکا در مقابل چین قسمت 1 Real-Time Twitter Sentiment Analysis of USA vs China Part 1

  • تجزیه و تحلیل احساسات توییتر در زمان واقعی ایالات متحده در برابر چین قسمت 2 Real-Time Twitter Sentiment Analysis of USA vs China Part 2

  • تجزیه و تحلیل احساسات توییتر در زمان واقعی ایالات متحده در برابر چین قسمت 2 Real-Time Twitter Sentiment Analysis of USA vs China Part 2

  • طرح انیمیشن احساسات توییتر در زمان واقعی قسمت 1 Real-Time Twitter Sentiment Animation Plot Part 1

  • طرح انیمیشن احساسات توییتر در زمان واقعی قسمت 2 Real-Time Twitter Sentiment Animation Plot Part 2

  • طرح انیمیشن احساسات توییتر در زمان واقعی قسمت 2 Real-Time Twitter Sentiment Animation Plot Part 2

تحلیل احساسات توییتر بلادرنگ Real-Time Twitter Sentiment Analysis

  • راه اندازی نوت بوک Notebook Setup

  • آموزش مدل SVM SVM Model Training

  • مدل خود را تست کنید Test Your Model

  • پاکسازی داده ها و بازآموزی SVM قسمت 1 Data Cleaning and Retraining SVM Part 1

  • پاکسازی داده ها و بازآموزی SVM قسمت 2 Data Cleaning and Retraining SVM Part 2

  • مدل ML خود را به خوبی تنظیم کنید Fine Tune Your ML Model

  • خواندن جدول زمانی توییتر در زمان واقعی Reading Twitter Timeline in Real-Time

  • تجزیه و تحلیل احساسات در زمان واقعی با مدل آموزش دیده ML Real-Time Sentiment Analysis with Trained ML Model

  • تجزیه و تحلیل احساسات توییتر در زمان واقعی ایالات متحده آمریکا در مقابل چین قسمت 1 Real-Time Twitter Sentiment Analysis of USA vs China Part 1

  • طرح انیمیشن احساسات توییتر در زمان واقعی قسمت 1 Real-Time Twitter Sentiment Animation Plot Part 1

تنظیم دقیق الگوریتم های ML Fine Tuning of ML Algorithms

  • کاهش ابعاد ویژگی چیست؟ What is Feature Dimensionality Reduction

  • کاهش ابعاد ویژگی چیست؟ What is Feature Dimensionality Reduction

  • تجزیه و تحلیل اجزای اصلی (PCA) Principal Components Analysis (PCA)

  • تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

  • تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

  • فاکتورسازی ماتریس غیر منفی (NMF) Non-Negative Matrix Factorization (NMF)

  • فاکتورسازی ماتریس غیر منفی (NMF) Non-Negative Matrix Factorization (NMF)

  • تجزیه ارزش تکین کوتاه شده (TSVD) Truncated Singular Value Decomposition (TSVD)

  • TF-IDF و ماتریس پراکنده قسمت 1 TF-IDF and Sparse Matrix Part 1

  • TF-IDF و ماتریس پراکنده قسمت 1 TF-IDF and Sparse Matrix Part 1

  • TF-IDF و ماتریس پراکنده قسمت 2 TF-IDF and Sparse Matrix Part 2

  • TF-IDF و ماتریس پراکنده قسمت 3 TF-IDF and Sparse Matrix Part 3

  • TF-IDF و ماتریس پراکنده قسمت 3 TF-IDF and Sparse Matrix Part 3

  • کد فاکتورسازی ماتریس غیر منفی (NMF) در امتداد قسمت 1 Non-Negative Matrix Factorization (NMF) Code Along Part 1

  • کد فاکتورسازی ماتریس غیر منفی (NMF) در امتداد قسمت 2 Non-Negative Matrix Factorization (NMF) Code Along Part 2

  • کد تجزیه ارزش منفرد کوتاه شده (TSVD) همراه Truncated Singular Value Decomposition (TSVD) Code Along

  • Hyperparameters Tuning چیست؟ What is Hyperparameters Tuning

  • روش های تنظیم فراپارامتر Hyperparameter Tuning Methods

  • روش های تنظیم فراپارامتر Hyperparameter Tuning Methods

  • جستجوی شبکه ای برای فراپارامترها با اعتبارسنجی متقاطع K-Fold Grid Search for Hyperparameters with K-Fold Cross-Validation

  • جستجوی شبکه ای برای فراپارامترها با اعتبارسنجی متقاطع K-Fold Grid Search for Hyperparameters with K-Fold Cross-Validation

  • GridSearch for Logistic Regression Hyperparameters Tuning Part 1 GridSearch for Logistic Regression Hyperparameters Tuning Part 1

  • GridSearch for Logistic Regression Hyperparameters Tuning Part 2 GridSearch for Logistic Regression Hyperparameters Tuning Part 2

  • GridSearch for SVM Hyperparameters Tuning Part 1 GridSearch for SVM Hyperparameters Tuning Part 1

  • GridSearch for SVM Hyperparameters Tuning Part 1 GridSearch for SVM Hyperparameters Tuning Part 1

  • GridSearch for SVM Hyperparameters Tuning Part 2 GridSearch for SVM Hyperparameters Tuning Part 2

  • GridSearch for SVM Hyperparameters Tuning Part 2 GridSearch for SVM Hyperparameters Tuning Part 2

  • جستجوی شبکه‌ای برای تنظیم فراپارامترهای طبقه‌بندی‌کننده جنگل تصادفی Grid Search for Random Forest Classifier Hyperparameters Tuning

  • جستجوی تصادفی برای انتخاب بهترین فراپارامترها Random Search for Best Hyperparameters Selection

  • جستجوی تصادفی برای انتخاب بهترین فراپارامترها Random Search for Best Hyperparameters Selection

  • انتخاب بهترین مدل ها از الگوریتم های چندگانه ML Selecting Best Models from Multiple ML Algorithms

تنظیم دقیق الگوریتم های ML Fine Tuning of ML Algorithms

  • تجزیه و تحلیل اجزای اصلی (PCA) Principal Components Analysis (PCA)

  • تجزیه ارزش تکین کوتاه شده (TSVD) Truncated Singular Value Decomposition (TSVD)

  • TF-IDF و ماتریس پراکنده قسمت 2 TF-IDF and Sparse Matrix Part 2

  • کد فاکتورسازی ماتریس غیر منفی (NMF) در امتداد قسمت 1 Non-Negative Matrix Factorization (NMF) Code Along Part 1

  • کد فاکتورسازی ماتریس غیر منفی (NMF) در امتداد قسمت 2 Non-Negative Matrix Factorization (NMF) Code Along Part 2

  • کد تجزیه ارزش منفرد کوتاه شده (TSVD) همراه Truncated Singular Value Decomposition (TSVD) Code Along

  • Hyperparameters Tuning چیست؟ What is Hyperparameters Tuning

  • GridSearch for Logistic Regression Hyperparameters Tuning Part 1 GridSearch for Logistic Regression Hyperparameters Tuning Part 1

  • GridSearch for Logistic Regression Hyperparameters Tuning Part 2 GridSearch for Logistic Regression Hyperparameters Tuning Part 2

  • جستجوی شبکه‌ای برای تنظیم فراپارامترهای طبقه‌بندی‌کننده جنگل تصادفی Grid Search for Random Forest Classifier Hyperparameters Tuning

  • انتخاب بهترین مدل ها از الگوریتم های چندگانه ML Selecting Best Models from Multiple ML Algorithms

تجزیه و تحلیل احساسات در بررسی فیلم های IMDB با جاسازی متن TF-IDF Sentiment Analysis on IMDB Movie Reviews with TF-IDF Text Embedding

  • چگونه احساسات از داده های متنی تشخیص داده می شود How Sentiment is Detected from Text Data

  • چگونه احساسات از داده های متنی تشخیص داده می شود How Sentiment is Detected from Text Data

  • نصب بسته پیش پردازش متن Text Preprocessing Package Install

  • نصب بسته پیش پردازش متن Text Preprocessing Package Install

  • پاکسازی و پیش پردازش متن Text Cleaning and Preprocessing

  • پاکسازی و پیش پردازش متن Text Cleaning and Preprocessing

  • آماده سازی داده ها برای آموزش مدل Data Preparation for Model Training

  • آماده سازی داده ها برای آموزش مدل Data Preparation for Model Training

  • ساخت و آموزش مدل ML ML Model Building and Training

  • ارزیابی مدل رگرسیون لجستیک Logistic Regression Model Evaluation

  • ارزیابی مدل رگرسیون لجستیک Logistic Regression Model Evaluation

  • آموزش و تنظیم فراپارامترهای SVM Traning and Hyperparameters Tuning of SVM

  • آموزش و تنظیم فراپارامترهای SVM Traning and Hyperparameters Tuning of SVM

  • بارگیری و ذخیره مدل ML Load and Store ML Model

  • بارگیری و ذخیره مدل ML Load and Store ML Model

تجزیه و تحلیل احساسات در بررسی فیلم های IMDB با جاسازی متن TF-IDF Sentiment Analysis on IMDB Movie Reviews with TF-IDF Text Embedding

  • ساخت و آموزش مدل ML ML Model Building and Training

استقرار مدل ML با فلاسک ML Model Deployment with Flask

  • Flask را نصب کنید Install Flask

  • Flask را نصب کنید Install Flask

  • سرور Flask را اجرا کنید Run Flask Server

  • آماده سازی مدل با فلاسک Model Preparation with Flask

  • اجرای برنامه Flask با ML Model Part 1 Running Flask App with ML Model Part 1

  • اجرای برنامه Flask با ML Model Part 1 Running Flask App with ML Model Part 1

  • اجرای برنامه Flask با ML Model Part 2 Running Flask App with ML Model Part 2

استقرار مدل ML با فلاسک ML Model Deployment with Flask

  • سرور Flask را اجرا کنید Run Flask Server

  • آماده سازی مدل با فلاسک Model Preparation with Flask

  • اجرای برنامه Flask با ML Model Part 2 Running Flask App with ML Model Part 2

طبقه‌بندی متن چند برچسبی برای پیش‌بینی برچسب سرریز پشته Multi-Label Text Classification for Stack Overflow Tag Prediction

  • آشنایی با داده ها Getting Familiar with Data

  • آشنایی با داده ها Getting Familiar with Data

  • طبقه بندی چند برچسبی چیست؟ What is Multi-Label Classification

  • طبقه بندی چند برچسبی چیست؟ What is Multi-Label Classification

  • در حال بارگیری مجموعه داده Loading Dataset

  • در حال بارگیری مجموعه داده Loading Dataset

  • باینریزه سازی چند برچسبی Multi-Label Binarization

  • متن به بردارهای TFIDF Text to TFIDF Vectors

  • ساختمان مدل و امتیاز ژاکارد Model Building and Jaccard Score

  • ساختمان مدل و امتیاز ژاکارد Model Building and Jaccard Score

  • بهبود و ذخیره مدل Improving and Saving the Model

  • بهبود و ذخیره مدل Improving and Saving the Model

طبقه‌بندی متن چند برچسبی برای پیش‌بینی برچسب سرریز پشته Multi-Label Text Classification for Stack Overflow Tag Prediction

  • باینریزه سازی چند برچسبی Multi-Label Binarization

  • متن به بردارهای TFIDF Text to TFIDF Vectors

تجزیه و تحلیل احساسات با استفاده از تعبیه متن Word2Vec Sentiment Analysis using Word2Vec Text Embedding

  • word2vec چیست؟ What is word2vec

  • word2vec چیست؟ What is word2vec

  • نحوه دریافت word2vec How to Get word2vec

  • نحوه دریافت word2vec How to Get word2vec

  • وکتورهای کلمه با فاصله Word Vectors with Spacy

  • تشابه معنایی با Spacy Semantic Similarity with Spacy

  • تشابه معنایی با Spacy Semantic Similarity with Spacy

  • آماده سازی داده ها Data Preparation

  • پیش پردازش داده ها Data Preprocessing

  • پیش پردازش داده ها Data Preprocessing

  • word2vec را از DataFrame دریافت کنید Get word2vec from DataFrame

  • word2vec را از DataFrame دریافت کنید Get word2vec from DataFrame

  • تقسیم مجموعه داده در Train and Test Split Dataset in Train and Test

  • آموزش و تست مدل ML ML Model Traning and Testing

  • آموزش و تست مدل ML ML Model Traning and Testing

  • پشتیبانی از ماشین بردار در word2vec Support Vector Machine on word2vec

  • پشتیبانی از ماشین بردار در word2vec Support Vector Machine on word2vec

  • اعتبارسنجی متقاطع جستجوی شبکه برای تنظیم فراپارامترها Grid Search Cross Validation for Hyperparameters Tuning

  • اعتبارسنجی متقاطع جستجوی شبکه برای تنظیم فراپارامترها Grid Search Cross Validation for Hyperparameters Tuning

  • هر مدل یادگیری ماشینی را تست کنید Test Every Machine Learning Model

  • هر مدل یادگیری ماشینی را تست کنید Test Every Machine Learning Model

تجزیه و تحلیل احساسات با استفاده از تعبیه متن Word2Vec Sentiment Analysis using Word2Vec Text Embedding

  • وکتورهای کلمه با فاصله Word Vectors with Spacy

  • آماده سازی داده ها Data Preparation

  • پیش پردازش داده ها Data Preprocessing

  • تقسیم مجموعه داده در Train and Test Split Dataset in Train and Test

تشخیص احساسات در داده های متن با استفاده از جاسازی متن بردار دستکش Emotion Recognition in Text Data using GloVe Vectors Text Embedding

  • GloVe Vectors قسمت 1 چیست What is GloVe Vectors Part 1

  • GloVe Vectors قسمت 2 چیست What is GloVe Vectors Part 2

  • GloVe Vectors قسمت 2 چیست What is GloVe Vectors Part 2

  • دانلود وکتورهای GloVe از پیش آموزش دیده Download Pre-trained GloVe Vectors

  • آماده سازی داده ها Data Preparation

  • پیش پردازش و پاکسازی داده های متن احساسی Preprocessing and Cleaning of Emotion Text Data

  • پیش پردازش و پاکسازی داده های متن احساسی Preprocessing and Cleaning of Emotion Text Data

  • بارگذاری وکتور دستکش Load GloVe Vector

  • بارگذاری وکتور دستکش Load GloVe Vector

  • متن به GloVe Vectors Text to GloVe Vectors

  • در Pandas DataFrame به GloVe ارسال کنید Text to GloVe on Pandas DataFrame

  • در Pandas DataFrame به GloVe ارسال کنید Text to GloVe on Pandas DataFrame

  • آموزش و تست مدل ML ML Model Training and Testing

  • آموزش و تست مدل ML ML Model Training and Testing

  • ماشین بردار پشتیبانی برای تشخیص احساسات Support Vector Machine for Emotion Recognition

  • ماشین بردار پشتیبانی برای تشخیص احساسات Support Vector Machine for Emotion Recognition

  • پیش بینی احساسات متنی با داده های سفارشی Predict Text Emotion with Custom Data

تشخیص احساسات در داده های متن با استفاده از جاسازی متن بردار دستکش Emotion Recognition in Text Data using GloVe Vectors Text Embedding

  • GloVe Vectors قسمت 1 چیست What is GloVe Vectors Part 1

  • دانلود وکتورهای GloVe از پیش آموزش دیده Download Pre-trained GloVe Vectors

  • آماده سازی داده ها Data Preparation

  • متن به GloVe Vectors Text to GloVe Vectors

  • پیش بینی احساسات متنی با داده های سفارشی Predict Text Emotion with Custom Data

تجزیه رزومه (CV) با استفاده از Spacy 3 Resume (CV) Parsing using Spacy 3

  • رزومه (CV) Parsing Introduction Resume (CV) Parsing Introduction

  • رزومه (CV) Parsing Introduction Resume (CV) Parsing Introduction

  • معرفی آموزش NER و تنظیمات پیکربندی NER Training Introduction and Config Setup

  • آماده سازی داده های آموزشی NER NER Training Data Preparation

  • آماده سازی داده های آموزشی NER NER Training Data Preparation

  • توضیح فایل تنظیمات آموزشی Training Configuration File Explanation

  • بخش 1 آماده سازی داده های آموزشی NER NER Training Data Preparation Part 1

  • بخش 2 آماده سازی داده های آموزشی NER NER Training Data Preparation Part 2

  • آموزش NER با ترانسفورماتور NER Training with Transformers

  • تجزیه و تحلیل CV و پیش بینی NER CV Parsing and NER Prediction

تجزیه رزومه (CV) با استفاده از Spacy 3 Resume (CV) Parsing using Spacy 3

  • معرفی آموزش NER و تنظیمات پیکربندی NER Training Introduction and Config Setup

  • توضیح فایل تنظیمات آموزشی Training Configuration File Explanation

  • بخش 1 آماده سازی داده های آموزشی NER NER Training Data Preparation Part 1

  • بخش 2 آماده سازی داده های آموزشی NER NER Training Data Preparation Part 2

  • آموزش NER با ترانسفورماتور NER Training with Transformers

  • تجزیه و تحلیل CV و پیش بینی NER CV Parsing and NER Prediction

تجزیه و تحلیل احساسات با استفاده از یادگیری عمیق Sentiment Analysis using Deep Learning

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • چه چیزی یادگیری عمیق را پیشرفته تر می کند؟ What Makes Deep Learning State-of-the-Art?

  • چه چیزی یادگیری عمیق را پیشرفته تر می کند؟ What Makes Deep Learning State-of-the-Art?

  • یادگیری عمیق چگونه کار می کند؟ How Deep Learning Works?

  • یادگیری عمیق چگونه کار می کند؟ How Deep Learning Works?

  • انواع شبکه های عصبی در یادگیری عمیق - ANN Types of Neural Networks in Deep Learning - ANN

  • انواع شبکه های عصبی در یادگیری عمیق - CNN Types of Neural Networks in Deep Learning - CNN

  • یادگیری عمیق چگونه یاد می گیرد؟ How Deep Learning Learns?

  • تفاوت بین یادگیری عمیق و یادگیری ماشینی چیست؟ What is the Difference Between Deep Learning and Machine Learning?

  • تفاوت بین یادگیری عمیق و یادگیری ماشینی چیست؟ What is the Difference Between Deep Learning and Machine Learning?

  • ساخت ANN - مراحل ساخت اولین مدل شما Build ANN - Steps for Building Your First Model

  • ساخت ANN - مراحل ساخت اولین مدل شما Build ANN - Steps for Building Your First Model

  • نصب بسته پایتون Python Package Installation

  • پیش پردازش داده ها Data Preprocessing

  • پیش پردازش داده ها Data Preprocessing

  • word2vec را دریافت کنید Get the word2vec

  • تست قطار و تقسیم Train Test and Split

  • تست قطار و تقسیم Train Test and Split

  • استانداردسازی ویژگی ها Feature Standardization

  • ساخت و آموزش مدل ANN ANN Model Building and Training

  • طرح ماتریس سردرگمی Confusion Matrix Plot

  • طرح ماتریس سردرگمی Confusion Matrix Plot

  • تنظیم آستانه سفارشی Setting Custom Threshold

  • ساخت و آموزش مدل 1 بعدی CNN 1D CNN Model Building and Training

  • ساخت و آموزش مدل 1 بعدی CNN 1D CNN Model Building and Training

  • منحنی یادگیری طرح Plot Learning Curve

  • بار مدل، ذخیره و تست Model Load, Store and Testing

تجزیه و تحلیل احساسات با استفاده از یادگیری عمیق Sentiment Analysis using Deep Learning

  • انواع شبکه های عصبی در یادگیری عمیق - ANN Types of Neural Networks in Deep Learning - ANN

  • انواع شبکه های عصبی در یادگیری عمیق - CNN Types of Neural Networks in Deep Learning - CNN

  • یادگیری عمیق چگونه یاد می گیرد؟ How Deep Learning Learns?

  • نصب بسته پایتون Python Package Installation

  • پیش پردازش داده ها Data Preprocessing

  • word2vec را دریافت کنید Get the word2vec

  • تست قطار و تقسیم Train Test and Split

  • استانداردسازی ویژگی ها Feature Standardization

  • ساخت و آموزش مدل ANN ANN Model Building and Training

  • تنظیم آستانه سفارشی Setting Custom Threshold

  • منحنی یادگیری طرح Plot Learning Curve

  • بار مدل، ذخیره و تست Model Load, Store and Testing

طبقه بندی سخنان نفرت | طبقه بندی چند طبقه با CNN Hate Speech Classification | Multi-Class Classification with CNN

  • مقدمه طبقه بندی سخنان نفرت؟ Hate Speech Classification Introduction?

  • مقدمه طبقه بندی سخنان نفرت؟ Hate Speech Classification Introduction?

  • وارد کردن بسته پایتون Import Python Package

  • وارد کردن بسته پایتون Import Python Package

  • تعادل مجموعه داده Dataset Balancing

  • تعادل مجموعه داده Dataset Balancing

  • پیش پردازش متن Text Preprocessing

  • پیش پردازش متن Text Preprocessing

  • توکن سازی متن Text Tokenization

  • تست قطار و تقسیم Train Test and Split

  • تست قطار و تقسیم Train Test and Split

  • ساخت و آموزش CNN Build and Train CNN

  • تست مدل Model Testing

  • تست با داده های سفارشی Testing with Custom Data

  • تست با داده های سفارشی Testing with Custom Data

  • مدل فروشگاه بار Load Store Model

  • مدل فروشگاه بار Load Store Model

طبقه بندی سخنان نفرت | طبقه بندی چند طبقه با CNN Hate Speech Classification | Multi-Class Classification with CNN

  • توکن سازی متن Text Tokenization

  • تست قطار و تقسیم Train Test and Split

  • ساخت و آموزش CNN Build and Train CNN

  • تست مدل Model Testing

تولید شعر با استفاده از تنسورفلو، کراس و LSTM Poetry Generation Using Tensorflow, Keras, and LSTM

  • مقدمه ای بر شبکه عصبی تکراری (RNN) Introduction to Reccurent Neural Network (RNN)

  • انواع RNN Types of RNN

  • انواع RNN Types of RNN

  • مشکل RNN یا وابستگی های بلند مدت The Problem of RNN's or Long-Term Dependencies

  • شبکه های حافظه کوتاه مدت (LSTM). Long Short Term Memory (LSTM) Networks

  • شبکه های حافظه کوتاه مدت (LSTM). Long Short Term Memory (LSTM) Networks

  • طرح تولید توالی Sequence Generation Scheme

  • طرح تولید توالی Sequence Generation Scheme

  • در حال بارگیری مجموعه داده شعر Loading Poetry Dataset

  • توکن سازی Tokenization

  • توکن سازی Tokenization

  • داده های آموزشی را آماده کنید Prepare Training Data

  • داده های آموزشی را آماده کنید Prepare Training Data

  • لایه گذاری Padding

  • آموزش مدل LSTM LSTM Model Training

  • آموزش مدل LSTM LSTM Model Training

  • نسل شعر قسمت اول Poetry Generation Part 1

  • نسل شعر قسمت دوم Poetry Generation Part 2

تولید شعر با استفاده از تنسورفلو، کراس و LSTM Poetry Generation Using Tensorflow, Keras, and LSTM

  • مقدمه ای بر شبکه عصبی تکراری (RNN) Introduction to Reccurent Neural Network (RNN)

  • مشکل RNN یا وابستگی های بلند مدت The Problem of RNN's or Long-Term Dependencies

  • در حال بارگیری مجموعه داده شعر Loading Poetry Dataset

  • لایه گذاری Padding

  • نسل شعر قسمت اول Poetry Generation Part 1

  • نسل شعر قسمت دوم Poetry Generation Part 2

طبقه‌بندی توییت‌های فاجعه با استفاده از جاسازی‌های کلمه یادگیری عمیق Disaster Tweets Classification using Deep Learning Word Embeddings

  • توئیت های فاجعه درک مجموعه داده ها Disaster Tweets Dataset Understanding

  • توئیت های فاجعه درک مجموعه داده ها Disaster Tweets Dataset Understanding

  • مجموعه داده را دانلود کنید Download Dataset

  • مجموعه داده را دانلود کنید Download Dataset

  • توزیع کلاس هدف Target Class Distribution

  • تعداد کاراکترهای توزیع شده در توییت ها Number of Characters Distribution in Tweets

  • تعداد کاراکترهای توزیع شده در توییت ها Number of Characters Distribution in Tweets

  • تعداد کلمات، میانگین طول کلمات و توقف توزیع کلمات در توییت ها Number of Words, Average Words Length, and Stop words Distribution in Tweets

  • تعداد کلمات، میانگین طول کلمات و توقف توزیع کلمات در توییت ها Number of Words, Average Words Length, and Stop words Distribution in Tweets

  • رایج ترین و کمترین کلمات رایج Most and Least Common Words

  • رایج ترین و کمترین کلمات رایج Most and Least Common Words

  • پاکسازی اطلاعات تک شات One-Shot Data Cleaning

  • پاکسازی اطلاعات تک شات One-Shot Data Cleaning

  • تجسم کلمات فاجعه با Word Cloud Disaster Words Visualization with Word Cloud

  • تجسم کلمات فاجعه با Word Cloud Disaster Words Visualization with Word Cloud

  • طبقه بندی با TF-IDF و SVM Classification with TF-IDF and SVM

  • طبقه بندی با TF-IDF و SVM Classification with TF-IDF and SVM

  • پیش بینی داده های تست Prediction on Test Data

  • پیش بینی داده های آزمون Prediction on Test Data

  • طبقه بندی با Word2Vec و SVM Classification with Word2Vec and SVM

  • جاسازی کلمات و طبقه بندی با یادگیری عمیق قسمت 1 Word Embeddings and Classification with Deep Learning Part 1

  • جاسازی کلمات و طبقه بندی با یادگیری عمیق قسمت 2 Word Embeddings and Classification with Deep Learning Part 2

  • جاسازی کلمات و طبقه بندی با یادگیری عمیق قسمت 2 Word Embeddings and Classification with Deep Learning Part 2

طبقه‌بندی توییت‌های فاجعه با استفاده از جاسازی‌های کلمه یادگیری عمیق Disaster Tweets Classification using Deep Learning Word Embeddings

  • توزیع کلاس هدف Target Class Distribution

  • طبقه بندی با Word2Vec و SVM Classification with Word2Vec and SVM

  • جاسازی کلمات و طبقه بندی با یادگیری عمیق قسمت 1 Word Embeddings and Classification with Deep Learning Part 1

نمایش نظرات

نظری ارسال نشده است.

آموزش 2023 پردازش زبان طبیعی در پایتون برای مبتدیان
خرید اشتراک و دانلود خرید تکی و دانلود | 360,000 تومان (6 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 3 دوره است و 3 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
30 hours
281
Udemy (یودمی) udemy-small
11 اسفند 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
5,994
4.2 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Laxmi Kant | KGP Talkie Laxmi Kant | KGP Talkie

دانشمند اصلی داده در mBreath و KGPTalkie من یک دانشمند اصلی داده در SleepDoc و دکترای تخصصی هستم. در علوم داده از موسسه فناوری هند (IIT). من همچنین یک شرکت با نام mBreath Technologies را تاسیس کردم. من بیش از 8 سال تجربه در علوم داده ، مدیریت تیم ، توسعه کسب و کار و مشخصات مشتری دارم. من با استارتاپ ها و MNC کار کرده ام. من همچنین چند سال در IIT برنامه نویسی تدریس کرده ام و بعداً یک کانال YouTube با KGP Talkie با مشترکان 20K + راه اندازی کردم. من ارتباط خوبی با صنعت و دانشگاه دارم.

Laxmi Kant | KGP Talkie Laxmi Kant | KGP Talkie

دانشمند اصلی داده در mBreath و KGPTalkie من یک دانشمند اصلی داده در SleepDoc و دکترای تخصصی هستم. در علوم داده از موسسه فناوری هند (IIT). من همچنین یک شرکت با نام mBreath Technologies را تاسیس کردم. من بیش از 8 سال تجربه در علوم داده ، مدیریت تیم ، توسعه کسب و کار و مشخصات مشتری دارم. من با استارتاپ ها و MNC کار کرده ام. من همچنین چند سال در IIT برنامه نویسی تدریس کرده ام و بعداً یک کانال YouTube با KGP Talkie با مشترکان 20K + راه اندازی کردم. من ارتباط خوبی با صنعت و دانشگاه دارم.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.