سپنتا کتاب اکسپرس
کتاب ساخت طبقه‌بند سفارشی متن با استفاده از ابزارهای پردازش زبان طبیعی

کتاب ساخت طبقه‌بند سفارشی متن با استفاده از ابزارهای پردازش زبان طبیعی

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 ساخت طبقه‌بند سفارشی متن با استفاده از ابزارهای پردازش زبان طبیعی

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: یادگیری ماشین و طبقه‌بندی متن

📋 سرفصل‌های دوره

  • 1. مبانی پردازش زبان طبیعی
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. نکات کلیدی در طبقه‌بندی متن
  • 8. انتخاب ویژگی برای طبقه‌بندی متن
  • 9. تکنیک‌های استخراج ویژگی
  • 10. مدل‌های زبانی
  • 11. مدل‌های زبانی آماری
  • 12. مدل‌های زبانی عصبی
  • 13. شبکه‌های عصبی بازگشتی (RNN)
  • 14. شبکه‌های عصبی کانولوشنی (CNN)
  • 15. ترنسفورمرها
  • 16. مقدمه‌ای بر مدل‌های ترنسفورمر
  • 17. مکانیزم توجه
  • 18. مدل‌های ترنسفورمر از پیش آموزش دیده
  • 19. کاربرد ترنسفورمرها در طبقه‌بندی متن
  • 20. مقدمه‌ای بر ابزارهای پردازش زبان طبیعی
  • 21. معرفی ابزارهای متن‌باز
  • 22. معرفی ابزارهای ابری
  • 23. معرفی Amazon Comprehend
  • 24. قابلیت‌های Amazon Comprehend
  • 25. طبقه‌بندی سفارشی متن با Amazon Comprehend
  • 26. جمع‌آوری داده‌های آموزشی
  • 27. برچسب‌گذاری داده‌ها
  • 28. فرمت فایل‌های داده آموزشی
  • 29. آماده‌سازی مجموعه داده آموزشی
  • 30. تقسیم مجموعه داده به آموزش و آزمون
  • 31. ایجاد مدل طبقه‌بندی سفارشی
  • 32. پیکربندی پارامترهای مدل
  • 33. شروع فرآیند آموزش مدل
  • 34. ارزیابی عملکرد مدل
  • 35. معیارهای ارزیابی مدل
  • 36. دقت (Accuracy)
  • 37. صحت (Precision)
  • 38. بازیابی (Recall)
  • 39. امتیاز F1
  • 40. تحلیل ماتریس درهم‌ریختگی
  • 41. تنظیم و بهبود مدل
  • 42. تنظیم ابرپارامترها
  • 43. افزایش حجم داده‌های آموزشی
  • 44. استفاده از تکنیک‌های پیشرفته‌تر
  • 45. استقرار مدل طبقه‌بندی سفارشی
  • 46. استفاده از مدل برای پیش‌بینی
  • 47. کاربرد طبقه‌بندی متن در سناریوهای واقعی
  • 48. تحلیل احساسات متن
  • 49. دسته‌بندی خودکار ایمیل‌ها
  • 50. فیلتر کردن هرزنامه‌ها
  • 51. سیستم‌های توصیه‌گر
  • 52. تجزیه و تحلیل بازخورد مشتریان
  • 53. شناسایی موضوعات داغ
  • 54. مدیریت شبکه‌های اجتماعی
  • 55. طبقه‌بندی اسناد قانونی
  • 56. طبقه‌بندی مقالات علمی
  • 57. طبقه‌بندی اخبار
  • 58. ملاحظات اخلاقی در پردازش زبان طبیعی
  • 59. حریم خصوصی داده‌ها
  • 60. سوگیری در مدل‌های زبانی
  • 61. شفافیت مدل‌ها
  • 62. تفسیرپذیری مدل‌ها
  • 63. امنیت داده‌ها
  • 64. مقررات و قوانین مربوط به پردازش داده‌ها در ایران
  • 65. استانداردهای داده در ایران
  • 66. قوانین حفاظت از داده‌ها
  • 67. اصول اخلاقی در توسعه هوش مصنوعی
  • 68. کاربرد هوش مصنوعی در صنعت
  • 69. هوش مصنوعی در خدمات عمومی
  • 70. هوش مصنوعی در آموزش
  • 71. هوش مصنوعی در سلامت
  • 72. هوش مصنوعی در کشاورزی
  • 73. هوش مصنوعی در حمل و نقل
  • 74. هوش مصنوعی در انرژی
  • 75. هوش مصنوعی در مالی
  • 76. هوش مصنوعی در رسانه
  • 77. هوش مصنوعی در محیط زیست
  • 78. هوش مصنوعی و آینده شغلی
  • 79. آینده پردازش زبان طبیعی
  • 80. چالش‌های پیش روی پردازش زبان طبیعی
  • 81. فرصت‌های جدید در پردازش زبان طبیعی
  • 82. جمع‌بندی و چشم‌انداز آینده
  • 83. مرور مفاهیم کلیدی
  • 84. نکات تکمیلی برای توسعه‌دهندگان
  • 85. منابع بیشتر برای مطالعه
  • 86. کارگاه عملی: ساخت طبقه‌بند متن ساده
  • 87. بررسی ابزارهای متن‌باز برای طبقه‌بندی
  • 88. مقایسه ابزارهای ابری و متن‌باز
  • 89. مطالعه موردی: طبقه‌بندی نظرات کاربران
  • 90. مطالعه موردی: دسته‌بندی مقالات خبری
  • 91. مطالعه موردی: تحلیل میزان رضایت مشتریان
  • 92. مبانی زبان‌شناسی کامپیوتری
  • 93. پردازش اولیه متن (پیش‌پردازش)
  • 94. حذف کلمات توقف (Stop Words)
  • 95. ریشه‌یابی کلمات (Stemming)
  • 96. لمتایزیشن (Lemmatization)
  • 97. تبدیل متن به بردارهای عددی
  • 98. روش Bag-of-Words
  • 99. روش TF-IDF
  • 100. روش Word Embeddings

📚 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.