Oreilly – Natural Language Processing (NLP) Fundamentals, 3rd Edition 2025-3

توضیحات

دوره Natural Language Processing (NLP) Fundamentals, 3rd Edition. این دوره مبانی و جنبه‌های پیشرفته پردازش زبان طبیعی را به روشی ساده و کاربردی آموزش می‌دهد و ابزارهای لازم برای استفاده از NLP در پروژه‌های واقعی را فراهم می‌کند. با استفاده از کتابخانه NLTK، ابتدا مفاهیم پایه مانند نمایش متن، پاکسازی داده‌ها، تشخیص موضوع، عبارات با قاعده و تحلیل احساسات بررسی می‌شود. سپس با کمک فریمورک PyTorch، موضوعات پیشرفته‌تر مانند طبقه‌بندی متن و مدل‌های توالی به توالی آموزش داده می‌شود. همچنین، معماری ترانسفورمر که پایه مدل‌های زبانی بزرگ مانند ChatGPT و BERT است، به همراه کاربردهای عملی آن تحلیل می‌شود. در پایان این دوره، دانشجویان درک جامعی از ابزارها و الگوریتم‌های NLP به دست خواهند آورد. سرفصل‌های دوره شامل بازنمایی متن، پاکسازی داده‌ها، تشخیص موجودیت‌های نام‌گذاری شده، مدل‌سازی موضوع، تحلیل احساسات، طبقه‌بندی متن، مدل‌سازی توالی، کاربردهای عملی و استفاده از مدل‌های زبانی بزرگ است. هر درس با مثال‌های عملی همراه است تا مفاهیم به صورت ملموس آموزش داده شوند.

آنچه فرا خواهید گرفت

• پیاده‌سازی توکنایزیشن و بازنمایی متن.
• استفاده از کدگذاری‌های یک‌داغ (one-hot encodings) و کیسه کلمات (bag of words).
• شناسایی کلمات مرتبط با اعمال TF-IDF.
• پاکسازی متن از طریق تکنیک‌های ریشه‌یابی (stemming) و ریشه‌یابی واژه (lemmatization).
• تطبیق الگوها با استفاده از عبارات با قاعده.
• درک تشخیص موجودیت نام‌گذاری شده (named entity recognition).
• خوشه‌بندی اسناد و مدل‌سازی موضوعات با استفاده از الگوریتم‌های مختلف.
• انجام تحلیل احساسات، از جمله مدیریت نفی‌ها و اصلاح‌کننده‌ها.
• استفاده از جاسازی‌های کلمه (word embeddings) برای ثبت روابط معنایی.
• تعریف GloVe.
• مدل‌سازی توالی‌ها در PyTorch با شبکه‌های RNNs، GRUs و LSTM.
• انتقال یادگیری (Transfer learning).
• اعمال تشخیص زبان.
• درک و به کارگیری ترانسفورمرها.
• استفاده از LLMs برای وظایف NLP.
• ساخت برنامه‌های کاربردی NLP با HuggingFace و مدل‌های زبان بزرگ.

این دوره مناسب افرادیست که

• دانشمندان داده با علاقه‌مندی به پردازش زبان طبیعی.

مشخصات دوره

• ناشر: Oreilly
• مدرس: Bruno Goncalves
• سطح آموزش: مبتدی تا متوسط
• مدت زمان آموزش: 6 ساعت و 14 دقیقه

سرفصل های دوره

• Introduction
• Lesson 1: Text Representation
• Topics
• 1.1 One-hot Encoding
• 1.2 Bag of Words
• 1.3 Stop Words
• 1.4 TF-IDF
• 1.5 N-grams
• 1.6 Word Embeddings
• 1.7 Demo
• Lesson 2: Text Cleaning
• Topics
• 2.1 Stemming
• 2.2 Lemmatization
• 2.3 Regular Expressions
• 2.4 Text Cleaning Demo
• Lesson 3: Named Entity Recognition
• Topics
• 3.1 Part of Speech Tagging
• 3.2 Chunking
• 3.3 Chinking
• 3.4 Named Entity Recognition
• 3.5 Demo
• Lesson 4: Topic Modeling
• Topics
• 4.1 Explicit Semantic Analysis
• 4.2 Document Clustering
• 4.3 Latent Semantic Analysis
• 4.4 LDA
• 4.5 Non-negative Matrix Factorization
• 4.6 Demo
• Lesson 5: Sentiment Analysis
• Topics
• 5.1 Quantify Words and Feelings
• 5.2 Negations and Modifiers
• 5.3 Corpus-based Approaches
• 5.4 Demo
• Lesson 6: Text Classification
• Topics
• 6.1 Feed Forward Networks
• 6.2 Convolutional Neural Networks
• 6.3 Applications
• 6.4 Demo
• Lesson 7: Sequence Modeling
• Topics
• 7.1 Recurrent Neural Networks
• 7.2 Gated Recurrent Unit
• 7.3 Long Short-term Memory
• 7.4 Auto-encoder Models
• 7.5 Demo
• Lesson 8: Applications
• Topics
• 8.1 Word2vec Embeddings
• 8.2 GloVe
• 8.3 Transfer Learning
• 8.4 Language Detection
• 8.5 Demo
• Lesson 9: NLP with Large Language Models
• Topics
• 9.1 Large Language Models
• 9.2 Transformers
• 9.3 BERT
• 9.4 HuggingFace
• 9.5 NLP Tasks
• 9.6 Demo
• Summary

تصاویر دوره Natural Language Processing (NLP) Fundamentals, 3rd Edition

نمونه فیلم دوره

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 127 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

1.1 گیگابایت