دوره پارتیشن‌بندی و تبدیل متن: مقدمه‌ای عملی بر پیش پردازش برای دانشمندان داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پارتیشن‌بندی و تبدیل متن: مقدمه‌ای عملی بر پیش پردازش برای دانشمندان داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: پیش پردازش متن (Text Preprocessing)

📋 سرفصل‌های دوره

• 1. مقدمه: چرا پارتیشن‌بندی متن مهم است؟
• 2. پارتیشن‌بندی متن چیست؟
• 3. انواع پارتیشن‌بندی متن
• 4. پارتیشن‌بندی مبتنی بر قواعد
• 5. پارتیشن‌بندی مبتنی بر یادگیری ماشین
• 6. ابزارهای پارتیشن‌بندی متن
• 7. NLTK و پارتیشن‌بندی
• 8. spaCy و پارتیشن‌بندی
• 9. Gensim و پارتیشن‌بندی
• 10. پارتیشن‌بندی sentences
• 11. پارتیشن‌بندی paragraphs
• 12. پارتیشن‌بندی documents
• 13. پارتیشن‌بندی بخش‌ها
• 14. پارتیشن‌بندی جملات با NLTK
• 15. پارتیشن‌بندی جملات با spaCy
• 16. پارتیشن‌بندی جملات با Gensim
• 17. چالش‌های پارتیشن‌بندی جملات
• 18. پارتیشن‌بندی پاراگراف‌ها با NLTK
• 19. پارتیشن‌بندی پاراگراف‌ها با spaCy
• 20. پارتیشن‌بندی پاراگراف‌ها با Gensim
• 21. چالش‌های پارتیشن‌بندی پاراگراف‌ها
• 22. پارتیشن‌بندی اسناد با NLTK
• 23. پارتیشن‌بندی اسناد با spaCy
• 24. پارتیشن‌بندی اسناد با Gensim
• 25. چالش‌های پارتیشن‌بندی اسناد
• 26. پارتیشن‌بندی بخش‌ها با NLTK
• 27. پارتیشن‌بندی بخش‌ها با spaCy
• 28. پارتیشن‌بندی بخش‌ها با Gensim
• 29. چالش‌های پارتیشن‌بندی بخش‌ها
• 30. مقدمه: تبدیل متن چیست؟
• 31. چرا تبدیل متن مهم است؟
• 32. انواع تبدیل متن
• 33. نرمال‌سازی متن
• 34. تبدیل به حروف کوچک
• 35. حذف علائم نگارشی
• 36. حذف اعداد
• 37. حذف کلمات توقف (Stop Words)
• 38. Lemmatization
• 39. Stemming
• 40. Lemmatization در مقابل Stemming
• 41. ابزارهای تبدیل متن
• 42. NLTK و تبدیل متن
• 43. spaCy و تبدیل متن
• 44. Gensim و تبدیل متن
• 45. نرمال‌سازی متن با NLTK
• 46. نرمال‌سازی متن با spaCy
• 47. نرمال‌سازی متن با Gensim
• 48. تبدیل به حروف کوچک با NLTK
• 49. تبدیل به حروف کوچک با spaCy
• 50. تبدیل به حروف کوچک با Gensim
• 51. حذف علائم نگارشی با NLTK
• 52. حذف علائم نگارشی با spaCy
• 53. حذف علائم نگارشی با Gensim
• 54. حذف اعداد با NLTK
• 55. حذف اعداد با spaCy
• 56. حذف اعداد با Gensim
• 57. حذف کلمات توقف با NLTK
• 58. حذف کلمات توقف با spaCy
• 59. حذف کلمات توقف با Gensim
• 60. Lemmatization با NLTK
• 61. Lemmatization با spaCy
• 62. Lemmatization با Gensim
• 63. Stemming با NLTK
• 64. Stemming با spaCy
• 65. Stemming با Gensim
• 66. Lemmatization در مقابل Stemming با NLTK
• 67. Lemmatization در مقابل Stemming با spaCy
• 68. Lemmatization در مقابل Stemming با Gensim
• 69. چالش‌های Lemmatization
• 70. چالش‌های Stemming
• 71. تبدیل متن پیچیده
• 72. مدیریت املا و غلط‌های املایی
• 73. اصلاح غلط‌های املایی با NLTK
• 74. اصلاح غلط‌های املایی با spaCy
• 75. اصلاح غلط‌های املایی با Gensim
• 76. حذف اصطلاحات و اختصارات
• 77. جایگزینی اصطلاحات
• 78. جایگزینی اختصارات
• 79. تبدیل متن در زبان فارسی
• 80. چالش‌های پارتیشن‌بندی و تبدیل متن فارسی
• 81. ابزارهای پارتیشن‌بندی و تبدیل متن فارسی
• 82. پروژه عملی: تحلیل احساسات
• 83. پارتیشن‌بندی متن برای تحلیل احساسات
• 84. تبدیل متن برای تحلیل احساسات
• 85. پروژه عملی: طبقه‌بندی متن
• 86. پارتیشن‌بندی متن برای طبقه‌بندی
• 87. تبدیل متن برای طبقه‌بندی
• 88. پروژه عملی: مدل‌سازی موضوعی
• 89. پارتیشن‌بندی متن برای مدل‌سازی موضوعی
• 90. تبدیل متن برای مدل‌سازی موضوعی
• 91. نکات پیشرفته در پارتیشن‌بندی
• 92. نکات پیشرفته در تبدیل متن
• 93. بهترین شیوه‌ها برای دانشمندان داده
• 94. ارزیابی کیفیت پارتیشن‌بندی
• 95. ارزیابی کیفیت تبدیل متن
• 96. پارتیشن‌بندی و تبدیل متن در مقیاس بزرگ
• 97. ادغام پارتیشن‌بندی و تبدیل متن
• 98. آینده پارتیشن‌بندی و تبدیل متن
• 99. منابع تکمیلی
• 100. جمع‌بندی و گام‌های بعدی