آموزش پردازش زبان طبیعی با پایتون

ما در این دوره به آموزش عملی و تئوری NLP می‌پردازیم. این دوره با مفاهیم پایه پردازش زبان طبیعی شروع می‌شود، سپس به پیش‌پردازش متن به کمک کتابخانه هایی نظیر NLTK ، SpaCy و Hazm ... ادامه

ارائه دهنده:  مکتب‌خونه  مکتب‌خونه
مدرس دوره:
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذارندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

 درک مفاهیم پایه‌ای پردازش زبان طبیعی

 یادگیری پیش‌پردازش متن نظیر : Stemming ، Lemmatization و Tokenization و پیاده سازی با کتابخانه های مختلف

 تسلط بر رویکرد Bag of Word و انواع آن

 تسلط بر Text Classification با رویکرد BOW

 توانایی ساخت مدل‌های تشخیص دهنده احساسات متن

 توانایی ساخت مدل‌های تشخیص دهنده اسپم

 تسلط بر مفهوم Topic Modeling

 تسلط بر روش‌های LDA و NMF

 توانایی ساخت مدل‌های Topic Modeling و تحلیل آن

پیش‌نیاز‌ها

پیش فرض ما در این دوره این است که مخاطبان هیچ اطلاعاتی در مورد پردازش زبان طبیعی ندارند ولی برای درک بهتر مطالب ؛

دانش عمومی پایتون و دانش عمومی از یادگیری ماشین توصیه می‌شود.

سرفصل‌های دوره آموزش پردازش زبان طبیعی با پایتون

مفاهیم اولیه پردازش زبان طبیعی
  طرح کلی بخش اول
"02:11  
  مفاهیم اولیه
"05:39  
  Tokenization
"05:51  
  بردار و نمایش برداری
"08:10  
  ‌‌Bag of Words
"05:17  
  Count Vectorization
"06:44  
  TF-IDF
"09:00  
  Stop words
"03:35  
  Setmming و Lemmatization
"05:10  
آشنایی با کتابخانه‌های پردازش متن
  طرح کلی بخش دوم
"01:48  
  Spacy
"25:31  
  NLTK
"13:42  
  Hazm
"13:39  
طبقه‌بندی متن (Text Classification)
  طرح کلی بخش سوم
"01:48  
  Spam Detection
"03:11  
  مروری بر Machine Learning
"10:31  
  تعریف مسئله Spam Detection
"03:20  
  مسیر ساخت مدل
"01:53  
  ساخت Spam Detector - بخش اول
"17:57  
  ساخت Spam Detector - بخش دوم
"11:19  
  تحلیل احساسات متن
"04:48  
  تعریف مسئله Sentiment Analysis
"01:39  
  ساخت مدل Sentiment Analysis
"13:36  
Topic Modeling
  طرح کلی بخش چهارم
"03:14  
  Topic Modeling چیست؟
"05:38  
  LDA
"11:34  
  NMF
"10:24  
  مسیر ساخت مدل Topic Modeling
"02:35  
  ساخت مدل Topic Modeling
"24:44  
سخنان پایانی
  چگونه تمرین کنیم؟
"06:23  

درباره دوره

ما در این دوره به آموزش عملی و تئوری NLP می‌پردازیم. این دوره با مفاهیم پایه پردازش زبان طبیعی شروع می‌شود، سپس به پیش‌پردازش متن به کمک کتابخانه هایی نظیر NLTK ، SpaCy و Hazm می‌پردازد. در ادامه استفاده از الگوریتم‌های یادگیری ماشین برای Text Classification در مدل های Spam Detection و Sentiment Analysis مورد بررسی قرار مي‌گیرد و در قسمت آخر با توضیح و ایجاد مدل های ‌Topic Modeling به پایان می‌رسد.

پیش‌فرض این دوره این است که مخاطب هیچ اطلاعاتی در مورد پردازش زبان طبیعی ندارد، بنابراین تمام مباحث لازم مربوط به پردازش زبان طبیعی مرتبط با یادگیری ماشین از ابتدا و به صورت کامل پوشش داده شود.

پردازش زبان طبیعی چیست ؟

پردازش زبان طبیعی (Natural Language Processing) یک شاخه از هوش مصنوعی است که به رایانه‌ها کمک می‌کند تا زبان انسان را درک و پردازش کنند. این امر به رایانه‌ها امکان می‌دهد تا با انسان‌ها به طور طبیعی ارتباط برقرار کنند و وظایفی مانند ترجمه، خلاصه‌نویسی، تشخیص گفتار، و پاسخ به سوالات را  که به درک زبان نیاز دارند،انجام دهند.

 

این دوره مناسب چه کسانی است؟

اگر تمایل دارید وارد حوزه پردازش زبان طبیعی شوید، فرآیند‌ها و کدنویسی آن را فرا بگیرید و بتوانید ‌مدل هایی ایجاد کنید که بتواند تسک های یادگیری ماشین را بر روی متن انجام دهد، این دوره مخصوص شما‌ست!

سرفصل های این دوره :

۱- مبانی پردازش زبان طبیعی:

آشنایی با تعاریف و مفاهیم اولیه همچنین مفاهیم بنیادی NLP مانند Tokenization  stemming، lemmatization، stop words

۲ - بررسی کتابخانه های پردازش متن :

استفاده از کتابخانه NLTK ، کتابخانه پیشرفته Spacy و همچنین Hazm برای ,  Tokenization و lemmatization

برچسب‌گذاری Part-of-Speech برای تشخیص نقش کلمات را در متن مانند اسم، فعل و صفت

برچسب گذاری Named-Entity برای شناسایی مفاهیمی مانند پول، زمان، شرکت‌ها ،مکان ها و موارد دیگر 
رسم نمودار های روابط زبانی در با استفاده از کتابخانه‌ SpaCy

۳ - ساخت مدل یادگیری ماشین با Scikit-Learn برای انجام طبقه‌بندی متن

ساخت خودکار سیستم‌های یادگیری ماشینی که می‌توانند متن های مثبت و منفی نظرات یا ایمیل‌های هرزنامه را تشخیص دهد

۴ - Topic Modeling
روش‌های یادگیری بدون ناظر پیچیده‌تر برای پردازش زبان طبیعی، مانند LDA و ‌NMF، که در آن مدل‌های یادگیری ماشین ما موضوعات و مفاهیم اصلی را از فایل‌های متنی خام تشخیص می‌دهند.

درباره استاد

maktabkhooneh-teacher رضا جعفری

رضا جعفری فارغ‌التحصیل مهندسی شیمی دانشگاه تهران و دانشجو کارشناسی ارشد MBA دانشگاه فردوسی مشهد است. او دارای ۳ سال سابقه تدریس و برگزاری ورک‌شاپ‌های مربوط به علم داده اعم از برنامه نویسی پایتون و ‌R ، یادگیری ماشین، یادگیری عمیق ، پردازش زبان طبیعی ،یادگیری تقویتی و ... با تمرکز بر سیستم های تصمیم‌ گیری و زنجیره تامین داده محور می‌باشد. وی در حال حاضر بر روی توسعه سیستم های پردازش داده های متنی مشتریان برای مدیریت زنجیره تأمین تمرکز دارد.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

دوره‌های پیشنهادی

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذارندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)