اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی الگوریتم‌های پردازش متن در یادگیری عمیق

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی الگوریتم‌های پردازش متن در یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر پردازش متن و یادگیری عمیق
• 2. مفاهیم اساسی پردازش زبان طبیعی (NLP)
• 3. کاربرد یادگیری عمیق در NLP
• 4. مروری بر مدل های یادگیری عمیق برای متن
• 5. مقدمه ای بر یادگیری عمیق
• 6. شبکه های عصبی مصنوعی
• 7. شبکه های عصبی کانولوشنال (CNN)
• 8. شبکه های عصبی بازگشتی (RNN)
• 9. حافظه کوتاه مدت طولانی (LSTM)
• 10. شبکه های حافظه کوتاه مدت طولانی (GRU)
• 11. شبکه های ترنسفورمر
• 12. مقدمه ای بر بهینه سازی الگوریتم
• 13. تکنیک های بهینه سازی پایه
• 14. صعود گرادیان
• 15. نزول تصادفی گرادیان (SGD)
• 16. مینی بچ SGD
• 17. بهینه سازهای پیشرفته
• 18. آدام (Adam)
• 19. RMSprop
• 20. Adagrad
• 21. SGD با مومنتوم
• 22. تنظیم نرخ یادگیری
• 23. برنامه های نرخ یادگیری
• 24. کاهش نرخ یادگیری بر اساس دوره
• 25. تنظیم نرخ یادگیری پویا
• 26. تنظیم ابرپارامترها
• 27. جستجوی گرید
• 28. جستجوی تصادفی
• 29. بهینه سازی بیزی
• 30. تنظیم کننده های هایپرپارامتر
• 31. استفاده از ابزارهای تنظیم ابرپارامتر
• 32. مقدمه ای بر تعبیه کلمات (Word Embeddings)
• 33. تعبیه کلمات آماری
• 34. تعبیه کلمات مبتنی بر شبکه عصبی
• 35. Word2Vec
• 36. CBOW
• 37. Skip-gram
• 38. GloVe
• 39. FastText
• 40. تعبیه کلمات پویا (Contextual Embeddings)
• 41. ELMo
• 42. BERT
• 43. تکنیک های پیش پردازش متن
• 44. توکن سازی
• 45. حذف توقف کلمات (Stop Word Removal)
• 46. ریشه یابی (Stemming)
• 47. لِماتیزاسیون (Lemmatization)
• 48. نرمال سازی متن
• 49. حذف علائم نگارشی
• 50. تبدیل به حروف کوچک
• 51. مدل سازی زبان
• 52. مدل های آماری زبان
• 53. مدل های مبتنی بر شبکه عصبی
• 54. مدل سازی زبان با RNN
• 55. مدل سازی زبان با LSTM
• 56. مدل سازی زبان با GRU
• 57. مدل سازی زبان با ترنسفورمر
• 58. بهینه سازی مدل های زبانی
• 59. تنظیم حجم مدل
• 60. استفاده از تکنیک های منظم سازی (Regularization)
• 61. کاهش احتمال (Dropout)
• 62. منظم سازی L1 و L2
• 63. مدل های طبقه بندی متن
• 64. مدل های مبتنی بر CNN برای طبقه بندی متن
• 65. مدل های مبتنی بر RNN برای طبقه بندی متن
• 66. مدل های مبتنی بر LSTM برای طبقه بندی متن
• 67. مدل های مبتنی بر GRU برای طبقه بندی متن
• 68. مدل های مبتنی بر ترنسفورمر برای طبقه بندی متن
• 69. بهینه سازی مدل های طبقه بندی متن
• 70. تنظیم معماری شبکه
• 71. تنظیم تابع هزینه (Loss Function)
• 72. تنظیم معیارهای ارزیابی (Evaluation Metrics)
• 73. مدل های استخراج اطلاعات
• 74. شناسایی موجودیت نامگذاری شده (NER)
• 75. استخراج رابطه
• 76. استخراج رویداد
• 77. بهینه سازی مدل های استخراج اطلاعات
• 78. تکنیک های پیشرفته در NER
• 79. مدل های پاسخگویی به سوال (Question Answering)
• 80. مدل های مبتنی بر پرسش و پاسخ استخراجی
• 81. مدل های مبتنی بر پرسش و پاسخ مولد
• 82. بهینه سازی مدل های QA
• 83. مدل های خلاصه سازی متن
• 84. خلاصه سازی استخراجی
• 85. خلاصه سازی مولد
• 86. بهینه سازی مدل های خلاصه سازی
• 87. ترجمه ماشینی
• 88. مدل های آماری ترجمه ماشینی
• 89. مدل های مبتنی بر شبکه عصبی ترجمه ماشینی (NMT)
• 90. مدل های ترنسفورمر برای ترجمه ماشینی
• 91. بهینه سازی مدل های ترجمه ماشینی
• 92. مدل های تولید متن
• 93. مدل های مبتنی بر RNN برای تولید متن
• 94. مدل های مبتنی بر ترنسفورمر برای تولید متن
• 95. بهینه سازی مدل های تولید متن
• 96. مدل های تشخیص احساسات
• 97. مدل های مبتنی بر lexicon
• 98. مدل های مبتنی بر یادگیری ماشینی
• 99. مدل های مبتنی بر یادگیری عمیق
• 100. بهینه سازی مدل های تشخیص احساسات