دوره کار با داده‌های متنی در R: مبانی و کاربردها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با داده‌های متنی در R: مبانی و کاربردها

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: پردازش و تحلیل داده با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مبانی کار با داده‌های متنی در R
• 2. مقدمه‌ای بر رشته‌ها در R
• 3. انواع داده‌های متنی
• 4. ساختارهای داده‌ای برای متن
• 5. کار با توابع پایه رشته‌ای
• 6. فیلتر کردن و انتخاب داده‌های متنی
• 7. دستکاری رشته‌ها با توابع پیشرفته
• 8. تکنیک‌های جستجو در رشته‌ها
• 9. جایگزینی الگوها در متن
• 10. تقسیم و ادغام رشته‌ها
• 11. کار با عبارات منظم (Regular Expressions)
• 12. مقدمه‌ای بر عبارات منظم
• 13. ساختار عبارات منظم
• 14. توابع عبارات منظم در R
• 15. جستجو با عبارات منظم
• 16. جایگزینی با عبارات منظم
• 17. استفاده از عبارات منظم برای اعتبارسنجی
• 18. کار با داده‌های متنی بزرگ
• 19. خواندن و نوشتن فایل‌های متنی
• 20. پاکسازی داده‌های متنی
• 21. حذف کاراکترهای اضافی
• 22. استانداردسازی متن
• 23. تبدیل حروف بزرگ و کوچک
• 24. کار با فاصله و خطوط جدید
• 25. شناسایی و حذف نویز در متن
• 26. پیش‌پردازش متن برای تحلیل
• 27. Tokenization (واژه‌سازی)
• 28. حذف کلمات توقف (Stop Words)
• 29. ریشه‌یابی کلمات (Stemming)
• 30. لمتایزیشن (Lemmatization)
• 31. کار با ابزارهای پردازش متن در R
• 32. بسته `stringr`
• 33. بسته `stringi`
• 34. بسته `tidytext`
• 35. بسته `tm`
• 36. بسته `quanteda`
• 37. کاربرد عملی پردازش متن
• 38. تحلیل احساسات (Sentiment Analysis)
• 39. مقدمه‌ای بر تحلیل احساسات
• 40. روش‌های تحلیل احساسات
• 41. استفاده از دیکشنری‌ها
• 42. کار با مدل‌های پیش‌آموزش‌دیده
• 43. پاکسازی داده‌ها برای تحلیل احساسات
• 44. پیاده‌سازی تحلیل احساسات با R
• 45. شناسایی موضوعات در متن (Topic Modeling)
• 46. مقدمه‌ای بر شناسایی موضوعات
• 47. الگوریتم‌های رایج (LDA)
• 48. کار با بسته‌های موضوعیابی
• 49. ارزیابی مدل‌های موضوعی
• 50. کاربرد شناسایی موضوعات
• 51. تحلیل شبکه‌های اجتماعی
• 52. استخراج اطلاعات از متن
• 53. شناسایی موجودیت‌های نام‌دار (NER)
• 54. پیاده‌سازی NER با R
• 55. کاربرد شناسایی موجودیت‌ها
• 56. ساخت طبقه‌بندهای متن
• 57. مقدمه‌ای بر طبقه‌بندی متن
• 58. روش‌های یادگیری ماشین
• 59. آموزش طبقه‌بندها
• 60. ارزیابی طبقه‌بندها
• 61. پیاده‌سازی طبقه‌بندی متن با R
• 62. کارهای پیشرفته با داده‌های متنی
• 63. مقایسه اسناد متنی
• 64. محاسبه شباهت متنی
• 65. خوشه‌بندی اسناد
• 66. تجسم داده‌های متنی
• 67. نمودارهای واژگان
• 68. نمودارهای موضوعی
• 69. نمودارهای شبکه‌ای
• 70. کار با داده‌های متنی در پایگاه داده
• 71. اتصال R به پایگاه داده‌های متنی
• 72. استخراج و تحلیل داده‌های متنی از پایگاه داده
• 73. امنیت داده‌های متنی
• 74. حفظ حریم خصوصی در داده‌های متنی
• 75. قوانین مربوط به داده‌های متنی
• 76. ملاحظات شرعی در پردازش داده‌های متنی
• 77. اخلاق در کار با داده‌های متنی
• 78. کاربرد داده‌های متنی در کسب و کار
• 79. بازاریابی محتوا
• 80. تحلیل بازخورد مشتریان
• 81. پشتیبانی مشتریان
• 82. مدیریت دانش
• 83. تحلیل داده‌های متنی در پژوهش
• 84. مرور ادبیات علمی
• 85. تحلیل مقالات
• 86. داده‌کاوی متنی
• 87. مبانی آماری در تحلیل متن
• 88. توزیع فراوانی کلمات
• 89. همبستگی کلمات
• 90. مدل‌های زبانی
• 91. پیش‌بینی متن
• 92. ملاحظات فنی در پردازش متن
• 93. کارایی الگوریتم‌ها
• 94. مدیریت حافظه
• 95. پردازش موازی
• 96. آینده پردازش متن
• 97. یادگیری عمیق در پردازش متن
• 98. مدل‌های ترنسفورمر
• 99. پردازش زبان طبیعی پیشرفته
• 100. جمع‌بندی و نگاه به آینده