توضیحات

آموزش پردازش زبان طبیعی با پایتون

نام دوره : 2025 Natural Language Processing (NLP) Mastery in Python

دوره در تاریخ 1/2025 به روز رسانی شد – کل دوره از ابتدا دانلود و آپلود شد

پیش نیاز:

• میل به یادگیری داشته باشید
• ریاضیات سطح پایه
• درک اولیه از پایتون و یادگیری ماشین را داشته باشید

توضیحات:

به دوره آموزشی پردازش زبان طبیعی (NLP) KGP Talkie خوش آمدید. این دوره طراحی شده است تا درک کاملی از پردازش و استخراج متن با استفاده از الگوریتم های پیشرفته NLP در پایتون به شما بدهد.

ما Spacy را با جزئیات یاد خواهیم گرفت و همچنین کاربردهای NLP را در زندگی واقعی بررسی خواهیم کرد.

این دوره اصول NLP را برای پیشبرد موضوعاتی مانند word2vec، GloVe، Deep Learning برای NLP مانند CNN، ANN و LSTM پوشش می دهد. من همچنین به شما نشان خواهم داد که چگونه می توانید کد ML خود را با استفاده از ابزارهای مختلف sklean در پایتون بهینه کنید.

در پایان این دوره، یاد خواهید گرفت که چگونه با استفاده از LSTM شعر تولید کنید. طبقه بندی Multi-Label و Multi-class توضیح داده شده است. حداقل 12 پروژه NLP در این دوره پوشش داده می شود. شما راه های مختلفی را برای حل مسائل لبه برش NLP یاد خواهید گرفت.

شما در دوره آموزش پردازش زبان طبیعی با پایتون  می آموزید:

ما با اصول اولیه مانند یادگیری ماشینی و نحوه عملکرد آن شروع خواهیم کرد. پس از آن من شما را به دوره آموزش سرعتی پایتون، نامپی و پاندا می برم. اگر تجربه قبلی دارید می توانید از این بخش ها صرف نظر کنید.

بازی واقعی NLP با معرفی Spacy شروع می شود که در آن شما را در مراحل مختلف پیش پردازش NLP راهنمایی می کنم. ما از Spacy و NLTK بیشتر برای پیش پردازش داده های متنی استفاده خواهیم کرد.

در بخش بعدی با کار با Files برای ذخیره و بارگذاری داده های متنی آشنا می شویم. این بخش پایه و اساس بخش دیگری در زمینه پیش پردازش کامل متن است.

من راه های زیادی را برای پیش پردازش متن با استفاده از Spacy و Regular Expressions به شما نشان خواهم داد. در نهایت، به شما نشان خواهم داد که چگونه می توانید بسته پایتون خود را در پیش پردازش ایجاد کنید.

این به ما کمک می کند تا مهارت های کدنویسی خود را بهبود بخشیم. ما می‌توانیم بدون نوشتن کدهایی برای پیش‌پردازش، در سرتاسر سیستم از کدهای خود استفاده مجدد کنیم. این بخش مهمترین بخش است.

سپس، بخش تئوری یادگیری ماشین را شروع می‌کنید و به بررسی بسته Scikit-Learn Python می‌پردازید که در آن نحوه نوشتن کد ML تمیز را یاد می‌گیرید.

پس از آن، ما اولین طبقه‌بندی متن خود را برای طبقه‌بندی پیام‌های SPAM و HAM توسعه خواهیم داد. همچنین انواع مختلفی از تعبیه‌های کلمه مورد استفاده در NLP مانند Bag of Words، Term Frequency، IDF و TF-IDF را به شما نشان خواهیم داد.

پس از آن با استقرار مدل یادگیری ماشینی آشنا خواهیم شد. همچنین ابزارهای مهم دیگری مانند word2vec، GloVe، Deep Learning، CNN، LSTM، RNN و غیره را یاد خواهیم گرفت.

در پایان دوره آموزش پردازش زبان طبیعی با پایتون ، همه چیزهایی را که برای حل مشکل NLP خود نیاز دارید، یاد خواهید گرفت.

دوره آموزش پردازش زبان طبیعی با پایتون برای چه کسانی است:

• مبتدیان در پردازش زبان طبیعی
• دانشمند داده مشتاق یادگیری NLP

بخشی از دوره :