دوره آموزشی NLP پیشرفته با پایتون برای یادگیری ماشین
1 ساعت 26 دقیقهپیشرفته2024-05-29
مدرسین

Gwendolyn Stripling
جزئیات دوره
این دوره برای کسانی است که می خواهند روش های پیشرفته NLP را یاد بگیرند. مدرس Gwendolyn Stripling، PhD، با نگاهی به مفاهیم اساسی و اصول NLP، از جمله تکامل و اهمیت پردازش زبان طبیعی، شروع می کند. او سپس برخی از اصول NLP و Python را مرور میکند - و کتابخانه NLP spaCy را معرفی میکند - قبل از اینکه به تکنیکها و پیشرفتهای مدرنتر در پردازش زبان طبیعی با استفاده از مدلهای ترانسفورماتور مانند GPT و BERT بپردازد. روشهایی مانند تنظیم دقیق نظارتشده، تنظیم دقیق کارآمد پارامتر (PEFT) و تولید تقویتشده با بازیابی (RAG) دانش پایهای را به شما میدهند که برای بهبود عملکرد مدل زبان بزرگ (LLM) نیاز دارید. روش هایی را بیاموزید که می توانید NLP را در برنامه های کاربردی و روزمره خود به کار ببرید، از جمله نحوه تجزیه و تحلیل احساسات مشتری هر فصل با یک چالش و راه حل به پایان می رسد، بنابراین می توانید دانش خود را در حین حرکت آزمایش کنید.
مهارت ها
Natural Language Processing (NLP)Machine LearningAdvancedPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - تخصص NLP خود را با استفاده از پایتون و یادگیری ماشین ارتقا دهید
- 02 - آنچه باید بدانید
- 03 - نحوه استفاده از فایلهای تمرین چالش
1. مقدمه ای بر کتابخانههای NLP
- 04 - مروری بر پردازش زبان طبیعی
- 05 - تکامل پردازش زبان طبیعی
- 06 - کتابخانههای پردازش زبان طبیعی
2. اصول NLP و Python را مرور کنید
- 07 - مقدمه ای بر spaCy
- 08 - چالش - یک خط لوله پردازش spaCy بسازید
- 09 - راه حل - یک خط لوله پردازش بسازید
3. استفاده از spaCy برای تجزیهوتحلیل بازخورد مشتری
- 10 - بازخورد مشتریان را با استفاده از SpaCy تجزیهوتحلیل کنید
- 11 - خط لوله پردازش spaCy
- 12 - چالش - بازخورد مشتری را تجزیهوتحلیل کنید
- 13 - راه حل - بازخورد مشتری را تجزیهوتحلیل کنید
4. NLP مدرن - ترانسفورماتورها و مدلهای زبان بزرگ
- 14 - پردازش زبان طبیعی مدرن
- 15 - شبکههای عصبی ترانسفورماتور
- 16 - مدلهای زبان بزرگ - BERT، GPT
- 17 - چالش - تحلیل احساسات با استفاده از DistilBERT
- 18 - حل - تحلیل احساسات با استفاده از DistilBERT
5. روشهایی که عملکرد LLM را بهبود میبخشد
- 19 - روشهایی که عملکرد LLM را بهبود میبخشد
- 20 - تنظیم دقیق تحت نظارت
- 21 - روشهای تنظیم دقیق
- 22 - نسل افزوده بازیابی (RAG)
- 23 - تنظیم دقیق با کارایی پارامتر (PEFT)
- 24 - چالش - تنظیم دقیق پارامترها با LoRa
- 25 - راه حل - تنظیم دقیق پارامترها با LoRa
نتیجه
- 26 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی NLP پیشرفته با پایتون برای یادگیری ماشین (2020)
- دوره آموزشی NLP با پایتون برای یادگیری ماشین
- دوره آموزشی یادگیری عمیق با پایتون و کراس: ساخت مدلی برای تحلیل احساسات
- دوره آموزشی پایتون برای پروژههای هوش مصنوعی: از کاوش داده تا ایجاد اثرگذاری
- دوره آموزشی مقدمهای بر هوش مصنوعی نسل جدید (Gen AI) با Snowflake
- دوره آموزشی کارگاه هوش مصنوعی: توسعه پیشرفته چتبات
- دوره آموزشی پیشرفته هوش مصنوعی: تکنیک های NLP برای مجموعه داده های بالینی
- دوره آموزشی پردازش زبان طبیعی برای گفتار و متن: از مبتدی تا پیشرفته
مسیرهای مرتبط
- مسیر آموزشی ارتقا مهارت های خود در پردازش زبان طبیعی
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی تبدیل شدن به یک مهندس هوش مصنوعی
- مسیر آموزشی تحلیل دادههای بهداشتی بهصورت عملی
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی شروع کار با هوش مصنوعی و یادگیری ماشینی
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد از Snowflake