آموزش بوت کمپ هوش مصنوعی مولد - پردازش زبان طبیعی 2025 - آخرین آپدیت

سرفصل ها و درس ها

مقدمه ای بر پردازش زبان طبیعی Introduction to Natural Language Processing

• چرا NLP و چه تفاوتی با ML معمولی دارد؟ Why NLP and how its different from Normal ML ?

• آزمون دانش مبانی Knowledge Test of Basics

• درک زبان انسانی Understanding Human Language

• آزمون - یادگیری از مبانی زبان Quiz - Learning from Basics of Language

• چالش های NLP Challenges of NLP

• آزمون - تست یادگیری Quiz - Test the learning

• خلاصه Summary

• لینک کد منبع برای دوره Source code link for the course

• ارتباط با مدرس Connect with Instructor

خط لوله NLP Pipeline of NLP

• پیوست های این بخش - مرجع کد Attachments of this section - Code Reference

• خط لوله NLP NLP Pipeline

• استخراج داده و پاکسازی متن به صورت عملی Data Extraction and Text Cleaning hands On

• معرفی کتابخانه NLTK Introduction to NLTK library

• Tokenization، bigram، trigram و N gram - به صورت عملی Tokenization , bigrams, trigrams, and N gram - Hands on

• برچسب گذاری POS و حذف کلمات توقف POS Tagging & Stop Words Removal

• ریشه یابی و لمتسازی Stemming & Lemmatization

• NER و ابهام زدایی معنای کلمه NER and Wordsense Disambiguation

• معرفی کتابخانه Spacy Introduction to Spacy Library

• Spacy به صورت عملی Hands On Spacy

• خلاصه Summary

NLP - برداری سازی متن NLP -Text Vectorization

• پیوست های این بخش - مرجع کد Attachments of this section - Code Reference

• نمایش برداری متن - کدگذاری One Hot Vector Representation of Text - One Hot Encoding

• درک تکنیک BoW Understanding BoW Technique

• BoW به صورت عملی BoW Hands On

• TF-IDF TF-IDF

• TF-IDF به صورت عملی TF-IDF Hands On

• پیاده سازی Tf-idf از ابتدا Tf-idf from Scratch Implementation

تعبیه کلمه Word Embeddings

• پیوست های این بخش - مرجع کد Attachments of this section - code reference

• معرفی تعبیه کلمه Introduction to Word Embeddings

• شهود نمایش برداری Intuition of Vector Representation

• تعبیه کلمه به صورت عملی - استفاده از مدل های از پیش آموزش داده شده Hands On Word Embeddings - Usage of Pre-trained models

• تعبیه کلمه Skip-gram - درک آماده سازی داده Skip-gram Word Embeddings - Understanding Data Preperation

• معماری مدل Skip Gram Skip Gram Model Architecture

• Skip Gram به صورت عملی - بررسی عمیق Skip Gram Hands On - Deep Dive

• معماری مدل CBOW و به صورت عملی CBOW Model Architecture & Hands On

• فراپارامترها - نمونه برداری منفی و نمونه برداری فرعی Hyperparameters - Negative Sampling and Sub Sampling

• تفاوت عملی بین CBOW و Skip-gram Practical Difference between CBOW and Skip-gram

• جایزه: چگونه یک شبکه آموزش داده می شود - پس انتشار Bonus : How does a Network is trained - Back-propagation

• خلاصه بخش Section Summary

خط لوله سرتاسری برای طبقه بندی متن End to End Pipeline for Text Classification

• پیوست های کد برای این بخش Code Attachments for this section

• خط لوله عمومی برای طبقه بندی General Pipeline for Classification

• رویکردهای طبقه بندی Approaches to Classification

• بارگیری مجموعه داده Loading the Dataset

• تجزیه و تحلیل داده های اکتشافی و پیش پردازش متن Exploratory Data Analysis & Text Preprocessing

• حذف کلمات با فرکانس پایین Remove Low Frequency Words

• حذف کلمات توقف با ریشه یابی و لمتسازی Remove Stop Words with Stemming & Lemmatisation

• کاربرد مدل Application of Model

• رویکرد TfIDF TfIDF Approach

• چالش های NLP و N-gram Challenges of NLP & N-grams

استخراج اطلاعات Information Extraction

• معرفی NER Introduction to NER

• درک CRF - معرفی Understanding CRF - Introduction

چت بات ها - ساخت با سرویس Google Cloud - Dialogflow Chatbots - Build with Google Cloud Service - Dialogflow

• پیوست های بخش - مرجع کد Attachments for the section - Code Reference

• درک چت بات ها Understanding Chatbots

• ساخت یک چت بات ساده Building a Simple Chatbot

• ساخت عملی یک چت بات پرسش و پاسخ ساده Hands On Building a Simple FAQ Chatbot

• انواع چت بات و خط لوله برای چت بات Types of Chatbot and Pipeline for Chatbot

• اصطلاحات در چت بات Terminologies in Chatbot

• Dialog flow - معرفی Dialog flow - Introduction

• مبانی Dialogflow Basics of Dialogflow

• راه اندازی سیستم Dialogflow Dialogflow system setup

• ایجاد چت بات Dialogflow Create Dialogflow chatbot

• Dialogflow Fulfilment Dialogflow Fulfilment

• ادغام/استقرار Dialogflow Dialogflow Integrations/Deployment

• ابزارهای متفرقه Dialogflow Dialogflow Miscellaneous Tools

بررسی عمیق سیستم های دیالوگ (چت بات) Deep Dive into the Dialog Systems (Chatbot)

• پیوست های بخش - مرجع کد Attachments for the section - code reference

• بررسی عمیق اجزای سیستم دیالوگ Deep Dive into the components of Dialog System

• پیش بینی هدف دیالوگ Dialog Intent Prediction

• طبقه بندی هدف مبتنی بر یادگیری عمیق Deep Learning based intent Classification

پروژه - ساخت چت بات با استفاده از RASA Project - Build Chatbot using RASA

• فایل های پروژه برای RASA Project Files for RASA

• معرفی چت بات RASA Introduction to RASA Chatbot

• نصب RASA Installation of RASA

• ساختار پروژه RASA RASA project Structure

• فایل های RASA RASA Files

• مبانی YAML Basics of YAML

• ساخت چت بات - اضافه کردن اهداف و پاسخ Building the chatbot - Add intents and Response

• ساخت چت بات - استخراج Entity و کار با Slots Building the chatbot - Extract Entity & working with Slots

• ایجاد کلید API از NyTimes Create API Key from NyTimes

• کار با فایل Action - نسخه ی نمایشی Working with Action File - Demo

• ساخت فایل Custom Action Building Custom Action File

• تست سرور Action Test the Action Server

• فایل خط لوله RASA RASA Pipeline file

• استقرار RASA - ادغام با چت بات RASA - پیش نیازها RASA Deployment - Integration with RASA Chatbot - Pre-requisites

• اجرای Ngork روی چت بات RASA با Actions Run Ngork on RASA Chatbot with Actions

• تنظیمات Slack برای اتصال به چت بات RASA Slack Settings for Connection to RASA Chatbot

• پروژه تمرینی Concert Chatbot & Summary Practice Project Concert Chatbot & Summary

خلاصه سازی متن Text Summarization

• فایل کد برای مرجع Code File for Reference

• خلاصه سازی متن - معرفی Text Summarization - Introduction

• خلاصه سازی متن به صورت عملی Hands On Text Summarization

پروژه NLP - تجزیه و تحلیل توییت ها از توییتر NLP Project - Analyze Tweets from Twitter

• فایل مرجع کد برای بخش Code Reference file for the Section

• اهمیت پلتفرم های رسانه های اجتماعی Importance of Social Media Platforms

• راه اندازی حساب توسعه دهنده توییتر Setting Up Twitter Developer Account

• معرفی Tweepy Introduction to Tweepy

• پیاده سازی عملی پروژه Hands On Implementation of Project

بخش 11: معرفی ترانسفورماتورها Section 11 : Introduction to Transformers

• ترانسفورماتورهای NLP - معرفی NLP Transformers - Introduction

• شبکه عصبی پیشخور و چالش ها Feed Forward Neural Network and Challenges

• RNN - شبکه های عصبی بازگشتی RNN - Recurrent Neural Networks

• LSTM - شبکه های حافظه کوتاه مدت طولانی LSTM - Long Short Term Memory Networks

• مکانیسم توجه - توجه همه چیزی است که شما نیاز دارید Attention Mechanism - Attention is all you Need

• انتقال یادگیری Transfer Learning

• مروری بر معماری ترانسفورماتور Transformer Architecture Overview

• بررسی عمیق لایه های توجه Deep Dive into Attention Layers

• ویدیوی اضافی در مورد ترانسفورماتورها Additional Video on Transformers

کار با کتابخانه Hugging Face Working with Hugging Face Library

• فایل های مرجع کد Code Reference files

• معرفی کتابخانه Hugging Face Introduction to Hugging Face Library

• کار با خط لوله کتابخانه Hugging Face Working with Hugging Face Library Pipeline

• طبقه بندی متن با ترانسفورماتورهای HuggingFace - بارگیری داده Text Classification with HuggingFace Transformers - Data Loading

• Tokenization با استفاده از Huggingface Tokenization using Huggingface

• Tokenization روی مجموعه داده Tokenization on Dataset

• طبقه بندی متن با استخراج ویژگی Text Classification with Feature Extraction

• تنظیم دقیق روی ترانسفورماتورها Finetuning on Transformers

ChatGPT ChatGPT

• کار با ChatGPT-3 Working with ChatGPT-3

بخش 14: مدل های پیشرفته NLP - BERT Section 14: Advanced NLP Models - BERT

• نحوه کار مدل زبان BERT Working of BERT Language Model

مهندسی Prompt و هوش مصنوعی مولد Prompt Engineering and Generative AI

• معرفی مهندسی Prompt و هوش مصنوعی مولد ChatGPT Introducing Prompt Engineering and Generative AI ChatGPT

راهنمایی اضافی در مورد مبانی و نصب Additional Help on Basics and Installation

• نصب Anaconda Installation of Anaconda

• منابع اضافی برای کمک به نصب Additional Resources for help on installation

• استقرار مدل یادگیری ماشین: آماده سازی مدل Machine Learning Model Deployment : Model Prep

• استقرار به عنوان برنامه Flask Deploy as Flask App

• استقرار StreamLit StreamLit Deployment

• توصیه های یادگیری اضافی Additional Learning Recommendations

• معرفی MLOps Introducing MLOps

• جایزه: معرفی MLOps سازمانی Bonus: Introduction to Enterprise MLOps