ایده درک زبان‌های ارتباطی انسان‌ها توسط ماشین‌ها و گفتگو با آن‌ها، از نیمه اول قرن بیستم درون مایه بسیاری از داستان‌های علمی تخیلی بوده‌است. این ایده که اکنون به پردازش زبان طبیعی شناخته می‌شود در یک مقاله کلاسیک توسط آلن تورینگ (1950) پدر علم کامپیوتر و هوش مصنوعی به عنوان شاخصه‌ای از هوش محاسباتی پیش بینی شده است که با آغاز قرن بیست و یکم به تحقق رسیده است.
پردازش زبان طبیعی یا NLP از زیرشاخه‌های زبان‌شناسی و هوش مصنوعی است که به موضوع تعامل انسان و کامپیوتر می‌پردازد و در پی این است تا به ماشین ها توانایی خواندن، درک و بیرون کشیدن معانی از زبان های انسانی را بدهد. پردازش زبان طبیعی توجه بسیاری از دانشمندان و غول‌های تکنولوژی را به خود معطوف کرده است. موتور‌های جست‌و‌جو، ماشین‌های ترجمه، سیستم‌های خلاصه‌ساز و سیستم‌های تحلیل‌گر احساسات از جمله کاربرد‌های این حوزه پژوهشی و فناوری هستند. در کنار کاربردهای متفاوت این رشته هنوز چالش‌های بسیاری پیش‌رو است و نیاز به تولید سیستم‌های دقیق‌تر هر روز در کشور ما و دنیا بیشتر احساس می‌شود. در این راستا،‌ یک دوره مطابق با آخرین پیشرفت‌های این رشته برای علاقمندان به این حوزه طراحی گردیده است. این دوره بر محوریت یکی از چالش برانگیزترین موضوعات حوزه پردازش زبان طبیعی یعنی چت‌بات‌ها ارائه می‌شود. ایجاد یک چت‌بات به دلیل نیاز به فهم و درک متن و زبان طبیعی دارای پیچیدگی‌های زیادی است. چت‌بات‌ها برای ارائه خدمات مختلفی به کاربران مانند سفارش غذا، رزرو بلیط و مشاوره حقوقی پیاده‌سازی می‌شوند. نمونه واقعی این کاربرد را می‌توان در دستیارهایی مانند سیری، کورتانا و دستیار گوگل که توسط بهترین و معروف‌ترین شرکت‌های مطرح در حوزه هوش مصنوعی خلق شده‌اند مشاهده کرد.

پس از گذراندن دوره پردازش زبان طبیعی(NLP)، علاوه بر آشنایی و تسلط نسبی بر مفاهیم حوزه NLP و یادگیری ماشین که به تفصیل در سرفصل‌های دوره به آن اشاره شده است، توانایی پیاده‌سازی پروژه چت‌بات نوشتاری و همچنین دیگر پروژه‌های این حوزه را نیز خواهید داشت. به عبارت دیگر، نه تنها در توسعه چت‌بات‌های مختلف مسلط خواهید بود، بلکه گام‌های اصلی در راستای سایر پروژه‌های کاربردی پردازش زبان طبیعی را نیز برداشته‌اید.

پیش‌نیاز:
 زبان برنامه‌نویسی پایتون (در سطح مقدماتی)
 یادگیری ماشین (در سطح مقدماتی و در حد آشنایی با مفاهیم اولیه)
 احتمالات (در سطح بسیار مقدماتی و در حد آشنایی با احتمالات شرطی و ...)

نحوه ارزیابی:

100 درصد آزمون نهایی