توضیحات

پردازش زبان طبیعی (NLP) با Transformers در پایتون برای تجزیه و تحلیل احساسات

نام دوره : Natural Language Processing: NLP With Transformers in Python

پیش نیاز:

آشنایی با پایتون
تجربه در علم داده مزیت محسوب می شود
تجربه در NLP امتیاز محسوب می شود

توضیحات:

مدل های Transformer استاندارد واقعی در NLP مدرن هستند.

آنها با اختلاف زیادی خود را به عنوان گویاترین و قدرتمندترین مدل برای زبان ثابت کرده اند و بارها و بارها همه معیارهای اصلی مبتنی بر زبان را شکست داده اند.

در دوره پردازش زبان طبیعی (NLP) با Transformers در پایتون برای تجزیه و تحلیل احساسات، همه چیزهایی را که برای شروع ساختن برنامه‌های NLP با عملکرد پیشرفته با استفاده از مدل‌های Transformer مانند BERT Google AI یا DPR فیس‌بوک AI نیاز دارید، پوشش می‌دهیم .

ما چندین چارچوب کلیدی NLP را پوشش می دهیم از جمله:

• HuggingFace’s Transformers
• TensorFlow 2
• PyTorch
• spaCy
• NLTK
• Flair

و یاد بگیرید که چگونه Transformersرا در برخی از محبوب ترین موارد استفاده NLP اعمال کنید:

• طبقه بندی زبان / تجزیه و تحلیل احساسات
• شناسایی نهاد نامگذاری شده (NER)
• پرسش و پاسخ
• شباهت/یادگیری تطبیقی

در طول هر یک از این موارد استفاده، ما با نمونه‌های مختلفی کار می‌کنیم تا اطمینان حاصل کنیم که چگونه و چرا Transformer ها بسیار مهم هستند.

در کنار این بخش‌ها، ما همچنین از طریق دو پروژه NLP در اندازه کامل کار می‌کنیم ، یکی برای تجزیه و تحلیل احساسات داده‌های مالی Reddit، و دیگری که یک برنامه پاسخگویی به سؤالات دامنه باز کامل را پوشش می‌دهد.

همه اینها توسط چندین بخش دیگر پشتیبانی می شوند که ما را تشویق می کنند تا نحوه طراحی، پیاده سازی و اندازه گیری بهتر عملکرد مدل های خود را بیاموزیم، مانند:

• تاریخچه NLP و اینکه ترانسفورماتورها از کجا آمده اند
• تکنیک های پیش پردازش متداول برای NLP
• تئوری پشت ترانسفورماتورها
• نحوه تنظیم دقیق Transformer ها

دوره پردازش زبان طبیعی (NLP) با Transformers در پایتون برای تجزیه و تحلیل احساسات برای چه کسانی است:

• دانشمندان مشتاق داده و مهندسان ML علاقه مند به NLP
• تمرین‌کنندگانی که به دنبال ارتقای مهارت‌های خود هستند
• توسعه دهندگانی که به دنبال پیاده سازی راه حل های NLP هستند
• دانشمند داده
• مهندس یادگیری ماشین
• توسعه دهندگان پایتون

بخشی از دوره :