پردازش زبان طبیعی با یادگیری عمیق

1.1. معرفی دوره

14

2.1. معرفی پردازش زبان طبیعی

06

1.2. regular expression_1

16

2.2. regular expression_2

15

3.2. بخش برنامه نویسی: re library(regular expression)

19

4.2. بخش برنامه نویسی: nltk library (natural language toolkit)

16

5.2. کلمه و پیکره

11

6.2. word tokenization

12

7.2. byte pair encoding Algorithm

15

8.2. word normalization

14

9.2. edit distance

14

10.2. بخش برنامه نویسی: preprocess

17

1.3. معرفی مدل های زبانی

17

2.3. مدل های n-gram

16

3.3. مجموعه های آموزشی و ارزیابی و تست

09

4.3. تعریف perplexity

14

1.4. text classification

11

2.4. logistic regression

16

3.4. مثال هایی از دسته بندی متن با LR

15

1.5. precision, recall, and F1

19

1.6. مقدمه

15

2.6. معیار های فاصله

11

3.6. TF_IDF

13

4.6. بخش برنامه نویسی: TF-IDF

13

5.6. بخش برنامه نویسی: TF-IDF-model

16

6.6. word2vec1

17

7.6. word2vec2

16

8.6. بخش برنامه نویسی: word2vec

22

1.7. RNNها

17

2.7. معماری های شبکه های بازگشتی

17

3.7. بخش برنامه نویسی: RNN

19

4.7. بخش برنامه نویسی: RNN word2vec

13

5.7. Attention1

15

6.7. Attention2

12

7.7. معرفی transformer

16

8.7. self attention

13

9.7. incoder/decoder in transformer

16

10.7. GPT

18

11.7. BERT

18

1.8. part of speech tagging

18

1.9. Named Entity Recognition (NER)

12

1.10. معرفی سیستم های گفتگو

10

2.10. ویژگی های گفتگو

18

3.10. سیستم های مبتنی بر frame

15

4.10. chatbots

20

5.10. ارزیابی سیستم های گفتگو

13

6.10. بخش برنامه نویسی: huggingface (1)

17

7.10. بخش برنامه نویسی: huggingface (2)

11

8.10. بخش برنامه نویسی: fine-tuning

17

1.11. معرفی

13

2.11. روش های مبتنی بر محتوا

13

3.11. روش collaborative filtering/user item

12

4.11. item-item colaborate filtering

15

5.11. ارزیابی

09