در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پردازش زبان طبیعی: NLP با ترانسفورماتور در پایتون

10,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

یادگیری نسل بعدی NLP با ترانسفورماتور برای تجزیه و تحلیل احساسات، Q & A، جستجوی شباهت، NER، و بیشتر

عنوان اصلی : Natural Language Processing: NLP With Transformers in Python

سرفصل های دوره :

مقدمه:
تنظیم محیط زیست
راه اندازی محلی جایگزین
تنظیم جایگزین Colab
CUDA SETUP
NLP و ترانسفورماتور:
جوانب مثبت و منفی AI عصبی
بردار کلمه
شبکه های عصبی مکرر
حافظه کوتاه مدت کوتاه مدت
خودت توجه
توجه چند سر
سر ترانسفورماتور
preprocessing for nlp:
توقف کلمات
Tokens مقدمه
علامت های ویژه مدل خاص
STEMMING
Lemmatization
نرمال سازی یونیکد - همبستگی کانونیک و سازگاری
نرمال سازی یونیکد - ترکیب و تجزیه
نرمال سازی Unicode - NFD و NFC
نرمال سازی Unicode - NFKD و NFKC
توجه:
alignment با محصول dot
توجه به محصول Dot
توجه خودت
توجه دو طرفه
توجه به محصول چند سر و مقیاس
طبقه بندی زبان:
معرفی به تجزیه و تحلیل احساسات
مدل های پیش ساخته FLAIR
معرفی مدل های احساساتی با ترانسفورماتور
Tokenization و نشانه های ویژه برای برت
پیش بینی ها
[Project] مدل احساسات با tensorflow و ترانسفورماتور:
دریافت داده ها (Kaggle API)
پیش پردازش
ساخت یک مجموعه داده
مختلط مجموعه داده، دسته ای، تقسیم و ذخیره
ساخت و ذخیره کنید
بارگیری و پیش بینی
طبقه بندی متن طولانی با Bert:
طبقه بندی متن طولانی با استفاده از ویندوز
روش پنجره در Pytorch
به رسمیت شناختن نهادها (NER):
معرفی بهسی
استخراج اشخاص
ner walkthrough
اعتبار API Reddit
کشیدن داده ها با Reddit API
استخراج ارگ ها از داده های Reddit
دریافت فرکانس موجودیت
لیست سیاه لیست
ner با احساسات
ner با روبرتا
سوال و پاسخ دادن:
فرایند باز و درک خواندن
Retreevers، خوانندگان و ژنراتورها
معرفی به Squad 2.0
پردازش داده های آموزش تیم
(اختیاری) پردازش داده های آموزش تیم با پرونده مطابقت
پردازش داده های Squad Dev
اولین مدل Q & A ما
معیارهای زبان:
Q & A عملکرد با مسابقه دقیق (EM)
معرفی Metric Rouge
Rouge در پایتون
درخواست Rouge به Q & A
یادآوری، دقت و F1
طولانی ترین موارد مشترک (LCS)
Reader-retrever qa با haystack:
ElasticSearch چیست؟
ElasticSearch Setup (ویندوز)
ElasticSearch Setup (لینوکس)
ElasticSearch در Haystack
Retrievers Sparse
تمیز کردن شاخص
اجرای یک Retriever BM25
مواد غذایی چیست؟
Faiss در Haystack
DPR چیست؟
معماری DPR
Retriever-Reader Stack
[پروژه] Open-Domain QA:
ایجاد پایگاه داده
ساخت خط لوله Haystack
شباهت:
استخراج آخرین تانسور دولت پنهان
بردارها حکم با میانگین جمع آوری
با استفاده از شبیه سازی کوزین
شباهت با ترانسفورماتور جمله
یادگیری بیشتر
مدل های ترانسفورماتور قبل از آموزش:
مقدمه ای به برت برای کد پیشین
Bert Pretraining - مدل سازی ماسک زبان (MLM)
Bert Pretraining - پیش بینی جمله بعدی (NSP)
منطق MLM
قبل از آموزش با MLM - آماده سازی داده ها
قبل از آموزش با MLM - آموزش
قبل از آموزش با MLM - آموزش با مربی
منطق NSP
قبل از آموزش با NSP - آمادگی داده ها
قبل از آموزش با NSP - DataLoader
راه اندازی حلقه آموزش قبل از آموزش NSP
منطق MLM و NSP
قبل از آموزش با MLM و NSP - آماده سازی داده ها
تنظیم DataLoader و مدل پیش آموزش برای MLM و NSP

نمایش سرفصل های انگلیسی

Natural Language Processing: NLP With Transformers in Python