توضیحات
Natural Language Processing in Python، دوره آموزش پردازش زبان طبیعی در پایتون توسط آکادمی Maven Analytics منتشر شده است.این دوره کاملاً عملی و پروژه محور است و برای ارائه یک مرور جامع بر مفاهیم ضروری پردازش زبان طبیعی (NLP) در پایتون طراحی شده است. ابتدا تاریخچه و تحول NLP در ۷۰ سال گذشته را مرور می‌کنیم و معماری محبوب فعلی یعنی Transformerها را بررسی می‌کنیم. سپس مراحل اولیه پیش‌پردازش متن برای مدل‌سازی را آموزش می‌دهیم؛ یاد می‌گیرید چگونه داده‌ها را با pandas و spaCy پاک‌سازی و نرمال کنید و آن‌ها را با شمارش کلمات و امتیازهای TF-IDF به ماتریس سند-واژه تبدیل کنید. دوره به دو بخش تقسیم می‌شود: بخش اول به تکنیک‌های سنتی یادگیری ماشین و بخش دوم به روش‌های مدرن یادگیری عمیق و مدل‌های زبانی بزرگ (LLM) می‌پردازد. در بخش سنتی، با تحلیل احساسات برای تعیین مثبت یا منفی بودن متن با کتابخانه VADER شروع می‌کنیم، سپس طبقه‌بندی متن با داده‌های برچسب‌دار با Naïve Bayes و مدل‌سازی موضوع با داده‌های بدون برچسب با استفاده از تجزیه ماتریس غیرمنفی را با کتابخانه scikit-learn آموزش می‌دهیم. پس از تسلط بر مفاهیم پایه NLP، وارد بخش دوم دوره می‌شویم که پیشرفت‌های مهم NLP و تغییر نگرش علم داده در دهه اخیر را پوشش می‌دهد. با اجزای پایه روش‌های مدرن NLP یعنی شبکه‌های عصبی شروع می‌کنیم؛ نحوه آموزش شبکه‌های عصبی، اصطلاحات کلیدی مانند لایه‌ها، گره‌ها، وزن‌ها و توابع فعال‌سازی را یاد می‌گیرید و با معماری‌های محبوب یادگیری عمیق و کاربردهای عملی آن‌ها آشنا می‌شوید. سپس به سراغ Transformerها می‌رویم که معماری مدل‌های زبانی بزرگی مانند ChatGPT، Gemini و Claude هستند؛ نحوه عملکرد لایه‌های اصلی شامل embeddingها، attention و شبکه‌های عصبی feedforward را بررسی می‌کنیم و تفاوت مدل‌های فقط رمزگذار، فقط رمزگشا و رمزگذار-رمزگشا و انواع LLMهای هر دسته را مرور می‌کنیم. در نهایت، آموخته‌ها را با پایتون به کار می‌گیریم؛ با کتابخانه Transformers و Model Hub از Hugging Face شش کاربرد عملی NLP شامل تحلیل احساسات، شناسایی موجودیت‌های نامدار، طبقه‌بندی بدون نمونه، خلاصه‌سازی متن، تولید متن و سنجش شباهت اسناد را اجرا می‌کنیم.
آنچه خواهید آموخت
- تاریخچه NLP
- کاربردها و تکنیک‌های NLP
- پیش‌پردازش متن با Pandas
- پیش‌پردازش متن با spaCy
- مروری بر NLP سنتی
- مبانی طبقه‌بندی متن
این دوره برای چه کسانی مناسب است
- دانشمندان داده آینده‌نگر که به دنبال مرور عملی تکنیک‌های پردازش زبان طبیعی در پایتون هستند
- دانشمندان داده باتجربه که می‌خواهند جدیدترین تکنیک‌های NLP مانند Transformerها، LLMها و Hugging Face را یاد بگیرند
مشخصات دوره Natural Language Processing in Python
- ناشر : Maven Analytics
- مدرس : Alice Zhao
- زبان: انگلیسی
- سطح آموزش: تمام سطوح
- مدت زمان آموزش: 22 ساعت ( مدت زمان مورد نیاز جهت تکمیل دوره)
سر فصل های دوره Natural Language Processing in Python
پیش نیاز های دوره
- We strongly recommend taking our Data Prep & EDA course first
- Jupyter Notebooks (free download, we’ll walk through the install)
- Familiarity with base Python and Pandas is recommended, but not required
تصاویر
فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
2.24 گیگابایت
