دوره آموزشی تحلیل احساسات با هوش مصنوعی با استفاده از PyTorch و ترنسفورمرهای Hugging Face

جزئیات دوره

این دوره مقدماتی بهت یاد می‌ده که چطور از Hugging Face Transformers و PyTorch برای انجام تحلیل احساسات (Sentiment Analysis) استفاده کنی. مدرس دوره، ژونگیو پان، آموزش‌ها رو با ساخت یک مدل شروع می‌کنه که نظرات فیلم‌ها رو به دو دسته‌ی مثبت یا منفی طبقه‌بندی می‌کنه. تو این مسیر، یاد می‌گیری که چطور متن خام رو آماده‌سازی کنی، مدل از قبل آموزش‌دیده رو روی داده‌هات تنظیم کنی (Fine-tune)، و عملکرد مدل رو ارزیابی کنی.

در پایان دوره، توانایی اینو داری که یه مدل تحلیل احساسات بسازی و حتی برای کاربردهای واقعی ازش استفاده کنی!

🎓 اهداف یادگیری:
آشنایی با تحلیل احساسات و کاربردهای اون در دنیای واقعی
نصب و راه‌اندازی Hugging Face و PyTorch برای اجرای پروژه
تبدیل متن خام به فرمت توکن‌شده برای آموزش مدل
تنظیم مدل پیش‌آموزش‌دیده‌ی DistilBERT روی دیتاست تحلیل احساسات با استفاده از Trainer API
ارزیابی مدل با معیارهایی مثل دقت (Accuracy)، دقت مثبت (Precision)، فراخوانی (Recall) و F1-score

سرفصل ها

0. مقدمه

01 - تجزیه‌و‌تحلیل احساسات هوش مصنوعی را یاد بگیرید

1. مقدمه ای بر تحلیل احساسات

02 - پیش نیازها و اهداف یادگیری
03 - تحلیل احساسات چیست
04 - کاربردهای رایج تحلیل احساسات

2. شروع به کار با Hugging Face و PyTorch

05 - مروری بر ترانسفورماتورهای صورت در آغوش گرفتن
06 - مقدمه ای بر PyTorch
07 - راه‌اندازی محیط در Google Colab

3. آماده سازی داده‌ها و نشانه گذاری

08 - بارگذاری مجموعه داده
09 - پیش پردازش داده‌های متنی
10 - توکن سازی
11 - بالشتک و بریدن

4. تنظیم دقیق DistilBERT برای طبقه بندی احساسات

12 - DistilBERT چیست
13 - راه‌اندازی مدل
14 - پیکربندی پارامترهای آموزشی
15 - آموزش مدل

5. ارزیابی عملکرد مدل

16 - مقدمه ای بر معیارهای ارزیابی
17 - محاسبه دقت، دقت، فراخوانی و امتیاز F1
18 - تجزیه‌و‌تحلیل نتایج

6. پروژه - پیش‌بینی داده‌های متن جدید

19 - یک تابع پیش‌بینی بسازیم
20 - مدل را خودتان تست کنید
21 - نحوه برخورد با لبه ها

7. مراحل بعدی در پردازش زبان طبیعی

22 - برنامه‌های پیشرفته NLP

نتیجه گیری

23 - به سفر تحلیل احساسات هوش مصنوعی خود ادامه دهید