با نحوه استفاده از مدلسازی مبحث پیشرفته و شناسایی موجودیت نامدار (NER) برای تجزیه و تحلیل متن، پوشش ریاضی و کد پشت مدلسازی مبحث و الگوریتمهای NER (مثلاً مبتنی بر ترانسفورماتور) و نحوه ادغام هر دو در گردش کار خود بیاموزید.
شما درک اولیه ای از LLM دارید و ممکن است یک یا دو مفهوم را اثبات کرده باشید. این دوره تکنیک های مهندسی عمیق تری را نشان می دهد و به شما کمک می کند تا یک استراتژی برای ارزیابی و بهبود تسلط، ارتباط و دقت LLM خود بسازید.
استفاده از Python و Google CoLab برای کاوی رسانه های اجتماعی و تجزیه و تحلیل متن و پردازش زبان طبیعی (NLP)
با ابزارها و تکنیک های تجزیه و تحلیل داده های متنی در R آشنا شوید و نحوه انجام یادگیری ماشین و پیش بینی ها را کشف کنید.
درک معنای متن معمولاً انسان نیاز به خواندن و تفکر درباره متن دارد. این دوره به شما نشان می دهد که چگونه می توانید از مدلهای مبتنی بر یادگیری ماشین آمازون درک کنید تا تقریباً از هر متنی بینش و درک بصورت برنامه ای داشته باشید.
با تکنیک های تجزیه و تحلیل داده های متنی در پایتون آشنا شوید و یادگیری ماشین و پیش بینی ها را انجام دهید.
در این دوره دانش بنیادی از Text Analytics API کسب خواهید کرد که به شما کمک می کند با درک کلی خود از مجموعه خدمات شناختی مایکروسافت پیشرفت کنید.
کار با داده های متنی در SQL Server شامل نمایه سازی، پرس و جو و تجزیه و تحلیل متون است. برنامه های کاربردی تراکنشی و تحلیلی را با جستجوی کامل متن بهبود دهید و متون را با جستجوی معنایی و متن کاوی تجزیه و تحلیل کنید.