سپنتا کتاب اکسپرس
کتاب مهندسی ویژگی برای تحلیل احساسات: افزایش دقت مدل‌ها

کتاب مهندسی ویژگی برای تحلیل احساسات: افزایش دقت مدل‌ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی ویژگی برای تحلیل احساسات: افزایش دقت مدل‌ها

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: تحلیل احساسات (Sentiment Analysis)

📋 سرفصل‌های دوره

  • 1. فصل اول: مقدمه‌ای بر مهندسی ویژگی
  • 2. فصل دوم: اهمیت مهندسی ویژگی در تحلیل احساسات
  • 3. فصل سوم: درک داده‌های متنی برای تحلیل احساسات
  • 4. فصل چهارم: مراحل اولیه پاکسازی داده‌های متنی
  • 5. فصل پنجم: حذف علائم نگارشی و کاراکترهای خاص
  • 6. فصل ششم: تبدیل متن به حروف کوچک
  • 7. فصل هفتم: حذف کلمات توقف (Stopwords)
  • 8. فصل هشتم: ریشه‌یابی کلمات (Stemming)
  • 9. فصل نهم: لماتایزیشن (Lemmatization)
  • 10. فصل دهم: توکن‌سازی (Tokenization)
  • 11. فصل یازدهم: معرفی روش‌های Bag-of-Words (BoW)
  • 12. فصل دوازدهم: پیاده‌سازی Bag-of-Words
  • 13. فصل سیزدهم: محدودیت‌های Bag-of-Words
  • 14. فصل چهاردهم: معرفی TF-IDF
  • 15. فصل پانزدهم: محاسبه وزن TF
  • 16. فصل شانزدهم: محاسبه وزن IDF
  • 17. فصل هفدهم: محاسبه TF-IDF
  • 18. فصل هجدهم: پیاده‌سازی TF-IDF
  • 19. فصل نوزدهم: مقایسه BoW و TF-IDF
  • 20. فصل بیستم: مهندسی ویژگی مبتنی بر N-gram
  • 21. فصل بیست و یکم: Unigrams، Bigrams و Trigrams
  • 22. فصل بیست و دوم: پیاده‌سازی N-gram
  • 23. فصل بیست و سوم: مزایای N-gram در حفظ معنا
  • 24. فصل بیست و چهارم: محدودیت‌های N-gram
  • 25. فصل بیست و پنجم: جاسازی کلمات (Word Embeddings)
  • 26. فصل بیست و ششم: مفهوم توزیع معنایی کلمات
  • 27. فصل بیست و هفتم: معرفی Word2Vec
  • 28. فصل بیست و هشتم: معماری Skip-gram در Word2Vec
  • 29. فصل بیست و نهم: معماری CBOW در Word2Vec
  • 30. فصل سی‌ام: پیاده‌سازی Word2Vec
  • 31. فصل سی و یکم: معرفی GloVe
  • 32. فصل سی و دوم: مفاهیم آماری در GloVe
  • 33. فصل سی و سوم: پیاده‌سازی GloVe
  • 34. فصل سی و چهارم: مقایسه Word2Vec و GloVe
  • 35. فصل سی و پنجم: جاسازی جملات و اسناد
  • 36. فصل سی و ششم: معرفی Sentence-BERT
  • 37. فصل سی و هفتم: معماری Transformer در BERT
  • 38. فصل سی و هشتم: استخراج ویژگی از BERT
  • 39. فصل سی و نهم: پیاده‌سازی Sentence-BERT
  • 40. فصل چهلم: جاسازی‌های پویا (Dynamic Embeddings)
  • 41. فصل چهل و یکم: ویژگی‌های مبتنی بر سینتکس (Syntax-based Features)
  • 42. فصل چهل و دوم: درخت وابستگی (Dependency Trees)
  • 43. فصل چهل و سوم: استخراج ویژگی از درخت وابستگی
  • 44. فصل چهل و چهارم: ویژگی‌های مبتنی بر قواعد (Rule-based Features)
  • 45. فصل چهل و پنجم: استخراج قواعد از واژگان احساسی
  • 46. فصل چهل و ششم: واژگان احساسی (Sentiment Lexicons)
  • 47. فصل چهل و هفتم: معرفی SentiWordNet
  • 48. فصل چهل و هشتم: استفاده از SentiWordNet
  • 49. فصل چهل و نهم: معرفی LIWC (Linguistic Inquiry and Word Count)
  • 50. فصل پنجاهم: استخراج ویژگی‌های روانشناختی
  • 51. فصل پنجاه و یکم: ویژگی‌های مبتنی بر احساسات صریح
  • 52. فصل پنجاه و دوم: شناسایی عبارات مثبت و منفی
  • 53. فصل پنجاه و سوم: شناسایی احساسات با شدت‌های مختلف
  • 54. فصل پنجاه و چهارم: ویژگی‌های مبتنی بر احساسات ضمنی
  • 55. فصل پنجاه و پنجم: تشخیص طنز و کنایه
  • 56. فصل پنجاه و ششم: تشخیص احساسات متناقض در یک جمله
  • 57. فصل پنجاه و هفتم: ویژگی‌های مبتنی بر اموجی و شکلک‌ها
  • 58. فصل پنجاه و هشتم: رمزگشایی معنای اموجی‌ها
  • 59. فصل پنجاه و نهم: تلفیق اموجی‌ها با متن
  • 60. فصل شصتم: ویژگی‌های مبتنی بر شبکه‌های اجتماعی
  • 61. فصل شصت و یکم: هشتگ‌ها و منشن‌ها
  • 62. فصل شصت و دوم: استخراج ویژگی از ساختار توئیت‌ها
  • 63. فصل شصت و سوم: ویژگی‌های مبتنی بر زمان و مکان
  • 64. فصل شصت و چهارم: تحلیل احساسات در طول زمان
  • 65. فصل شصت و پنجم: تحلیل احساسات مبتنی بر موقعیت مکانی
  • 66. فصل شصت و ششم: مهندسی ویژگی برای تحلیل احساسات در زبان فارسی
  • 67. فصل شصت و هفتم: چالش‌های زبان فارسی
  • 68. فصل شصت و هشتم: منابع و واژگان احساسی فارسی
  • 69. فصل شصت و نهم: توکن‌سازی و پاکسازی در فارسی
  • 70. فصل هفتادم: ریشه‌یابی و لماتایزیشن در فارسی
  • 71. فصل هفتاد و یکم: مهندسی ویژگی با استفاده از Word Embeddings فارسی
  • 72. فصل هفتاد و دوم: مدل‌های پیش‌آموزش‌دیده برای فارسی (مانند ParsBERT)
  • 73. فصل هفتاد و سوم: ترکیب ویژگی‌های مختلف (Feature Engineering Fusion)
  • 74. فصل هفتاد و چهارم: انتخاب بهترین ویژگی‌ها (Feature Selection)
  • 75. فصل هفتاد و پنجم: روش‌های مبتنی بر فیلتر (Filter Methods)
  • 76. فصل هفتاد و ششم: روش‌های مبتنی بر لفافه‌ای (Wrapper Methods)
  • 77. فصل هفتاد و هفتم: روش‌های مبتنی بر جاسازی (Embedded Methods)
  • 78. فصل هفتاد و هشتم: اهمیت مهندسی ویژگی در مدل‌های یادگیری عمیق
  • 79. فصل هفتاد و نهم: استفاده از CNN برای تحلیل احساسات
  • 80. فصل هشتادم: استفاده از RNN و LSTM برای تحلیل احساسات
  • 81. فصل هشتاد و یکم: معماری‌های Attention در مدل‌های تحلیلی
  • 82. فصل هشتاد و دوم: مهندسی ویژگی برای تحلیل احساسات در داده‌های چندوجهی (Multimodal)
  • 83. فصل هشتاد و سوم: ترکیب متن، تصویر و صدا
  • 84. فصل هشتاد و چهارم: ارزیابی مدل‌های تحلیل احساسات
  • 85. فصل هشتاد و پنجم: معیارهای دقت، بازیابی و F1-score
  • 86. فصل هشتاد و ششم: ماتریس درهم‌ریختگی (Confusion Matrix)
  • 87. فصل هشتاد و هفتم: تحلیل خطای مدل‌ها
  • 88. فصل هشتاد و هشتم: overfitting و underfitting و راه‌های مقابله
  • 89. فصل هشتاد و نهم: اعتبارسنجی متقابل (Cross-validation)
  • 90. فصل نودم: بهترین شیوه‌ها در مهندسی ویژگی
  • 91. فصل نود و یکم: تکرارپذیری و قابلیت نگهداری مهندسی ویژگی
  • 92. فصل نود و دوم: ابزارها و کتابخانه‌های مفید (مانند NLTK, spaCy, scikit-learn)
  • 93. فصل نود و سوم: ابزارهای پردازش زبان طبیعی فارسی
  • 94. فصل نود و چهارم: case study: تحلیل احساسات در بررسی محصولات
  • 95. فصل نود و پنجم: case study: تحلیل احساسات در شبکه‌های خبری
  • 96. فصل نود و ششم: case study: تحلیل احساسات در نظرات کاربران
  • 97. فصل نود و هفتم: روندهای آینده در مهندسی ویژگی تحلیل احساسات
  • 98. فصل نود و هشتم: هوش مصنوعی مولد و تأثیر آن بر مهندسی ویژگی
  • 99. فصل نود و نهم: اخلاق در تحلیل احساسات و مهندسی ویژگی
  • 100. فصل صدم: نتیجه‌گیری و گام‌های بعدی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.