پردازش زبان طبیعی NLP در پایتون برای مبتدیان

پردازش زبان طبیعی (NLP)، یک زیرمجموعه هوش مصنوعی (AI)، توانایی یک کامپیوتر برای درک زبان انسانی به نحوی صحبت و نوشته شده است. زبان انسانی به طور معمول به عنوان زبان طبیعی شناخته می شود.
انسان ها نیز دارای سنسورهای مختلف هستند. به عنوان مثال، گوش عملکرد شنوایی را انجام می دهد و چشم ها عملکرد را می بینند. به طور مشابه، رایانه ها دارای برنامه هایی برای خواندن و میکروفون برای جمع آوری صدا هستند. درست همانطور که مغز انسان یک ورودی را پردازش می کند، یک برنامه کامپیوتری یک ورودی خاص را پردازش می کند. و در طول پردازش، برنامه ورودی را به کد تبدیل می کند که کامپیوتر را درک می کند.
این دوره، پردازش زبان طبیعی (NLP)، تئوری و عمل در پایتون، شما را به مفاهیم، ​​ابزار و تکنیک های یادگیری ماشین معرفی می کند داده های متنی شما مفاهیم ابتدایی و همچنین روند نوظهور در زمینه NLP را یاد خواهید گرفت. شما همچنین در مورد پیاده سازی و ارزیابی برنامه های مختلف NLP با استفاده از روش های یادگیری عمیق یاد خواهید گرفت.
بسته های کد در اینجا موجود هستند: https://github.com/packtpublishing/nlp-natural-language-processing-in-python- برای مبتدیان

عنوان اصلی : NLP-Natural Language Processing in Python for Beginners

سرفصل های دوره :

مقدمه:
مقدمه ای بر دوره
معرفی مربی
معرفی مربی مشترک
معرفی دوره
مقدمه (عبارات منظم):
بیان منظم چیست؟
چرا بیان منظم
ELIZA Chatbot
بسته بیان منظم پایتون
متاکارکترها (عبارات منظم):
متا شخصیت ها
تمرین متاکاراکترها Bigbrackets
راه حل تمرین شخصیت های متا Bigbrackets
متاکاراکترها Bigbrackets Exercise 2
متاکاراکترها Bigbrackets تمرین 2 - راه حل
کلاه متاکاراکترها
تمرین 3 درپوش متا شخصیت ها
کلاه متاکاراکترها تمرین 3 - راه حل
بک اسلش
Backlash ادامه دارد
بکسلش ادامه دارد - 01
تمرین براکت های مربعی بک اسلش
راه حل تمرین براکت های مربعی معکوس
تمرین براکت های مربعی معکوس - راه حلی دیگر
تمرین بکسلش
راه حل تمرین بکسلش و تمرین سکانس های خاص
راه حل تمرین و توالی های خاص
ستاره متاکاراکتر
تمرین ستاره متاکاراکتر
راه حل تمرین ستاره متاکاراکتر
تکلیف ستاره متاکاراکتر
تطابق ستاره متاکاراکتر حریص
Metacharacter Plus و علامت سوال
تمرین براکت های فرفری متاکاراکتر
راه حل تمرین براکت های فرفری متاکاراکتر
اشیاء الگو (عبارات منظم):
اشیاء الگو
تمرین روش مطابقت اشیاء الگو
راه حل تمرین روش اشیاء الگو مطابقت دارند
روش اشیاء الگو با روش جستجو مطابقت دارند
روش یاب اشیاء الگو راه حل تمرین روش یاب اشیاء الگو
فراداکترهای بیشتر (عبارات منظم):
متاکاراکترهای منطقی یا
الگوهای آغاز و پایان متاکاراکترها
پرانتز متاکاراکترها
تغییر رشته (عبارات منظم):
تغییر رشته
Tokenizer Word با استفاده از روش تقسیم
تمرین روش فرعی
راه حل تمرین زیر روش
کلمات و نشانه ها (پیش پردازش متن):
واژه چیست
تعریف Word وابسته به وظیفه است
واژگان و مجموعه
توکن ها
Tokenization در Spacy
طبقه بندی احساسات (پیش پردازش متن):
معرفی پروژه کوچک طبقه بندی بررسی های Yelp
Yelp Reviews Classification Mini Project Vocabulary Initialization
پروژه کوچک طبقه‌بندی بررسی‌های Yelp برای افزودن نشانه‌ها به واژگان
بررسی های Yelp رده بندی پروژه های کوچک جستجو توابع در واژگان
Yelp Reviews Classification Mini Project Building Vocabulary from Data
Elp Reviews Classification Mini Project Encoding One-Hot
بررسی های Yelp مینی پروژه طبقه بندی پروژه One-Hot Encoding پیاده سازی
اسناد رمزگذاری پروژه کوچک طبقه بندی بررسی های Yelp
اجرای اسناد رمزگذاری پروژه مینی طبقه بندی بررسی های Yelp
بررسی های Yelp رده بندی پروژه کوتاه تست قطار
محاسبه ویژگی های پروژه کوچک طبقه بندی بررسی های Yelp
طبقه بندی پروژه های کوچک طبقه بندی نظرات Yelp
توکنیزاسیون مستقل زبان (پیش پردازش متن):
Tokenization in Detial Introduction
توکن سازی سخت است
رمزگذاری جفت بایت رمزگذاری
مثال رمزگذاری جفت بایت رمزگذاری
رمزگذاری جفت بایت رمزگذاری روی داده های آزمایشی
اجرای رمزگذاری جفت بایت رمزگذاری، تعداد جفت را دریافت کنید
ادغام پیاده‌سازی رمزگذاری جفت بایت رمزگذاری در Corpus
آموزش BFE پیاده سازی رمزگذاری جفت بایت رمزگذاری
اجرای رمزگذاری جفت بایت رمزگذاری رمزگذاری BFE
اجرای رمزگذاری جفت بایت رمزگذاری رمزگذاری BFE یک جفت
پیاده‌سازی رمزگذاری جفت بایت رمزگذاری BFE رمزگذاری یک جفت 1
نرمال‌سازی متن (پیش‌پردازش متن):
Word Normalization Case Folding
هنجارسازی کلمه Lemmatization
اصول عادی سازی کلمه
تقسیم بندی جملات عادی سازی کلمه
تطبیق رشته و تصحیح املا (پیش پردازش متن):
تصحیح املا حداقل فاصله ویرایش مقدمه
تصحیح املا حداقل فاصله ویرایش مثال
تصحیح املایی حداقل فاصله ویرایش پر کردن جدول
تصحیح املایی حداقل ویرایش برنامه ریزی پویا فاصله
تصحیح املا حداقل فاصله ویرایش شبه کد
تصحیح املا حداقل فاصله ویرایش اجرا
تصحیح املا حداقل فاصله ویرایش پیاده سازی رفع اشکال
اجرای تصحیح املا
مدل سازی زبان:
مدل زبان چیست؟
تعریف رسمی مدل زبان
مدل زبانی نفرین ابعاد
مدل زبانی فرضیات مارکوف و N-Gram
تنظیم پیاده سازی مدل زبان
عملکرد N-grams پیاده سازی مدل زبان
اجرای مدل زبان بالاتابع شمارش تاریخ
تابع مدل احتمال پیاده سازی مدل زبان
پیکره خواندن پیاده سازی مدل زبان
متن نمونه پیاده سازی مدل زبان
مدل سازی موضوع با نمایش های Word و Document :
بردارهای تک داغ
اجرای بردارهای یک داغ
محدودیت‌های بردار تک داغ
بردارهای تک داغ که به عنوان برچسب‌گذاری هدف استفاده می‌شوند
فراوانی مدت برای ارائه اسناد
فرکانس مدت اجرای نمایش اسناد
فرکانس مدت برای بازنمودهای ورد
TFIDF برای بازنمایی اسناد
TFIDF برای اجرای بازنمایی اسناد مجموعه خواندن
TFIDF برای اجرای بازنمایی اسناد فرکانس محاسباتی سند
TFIDF برای محاسبات پیاده سازی بازنمایی اسناد TFIDF
مدل سازی موضوع با TFIDF 1
مدل سازی موضوع با TFIDF 2
مدل سازی موضوع با TFIDF 3
مدل سازی موضوع با TFIDF 4
مدل سازی موضوع با Gensim
LSI جاسازی‌های کلمه:
ماتریس همزمانی کلمه
ماتریس همزمانی کلمه در مقابل ماتریس سند-شرایط
تدارک داده‌های پیاده‌سازی ماتریس هم‌رویداد کلمه
آماده سازی داده های پیاده سازی ماتریس همزمانی کلمه 2
پیاده سازی ماتریس هم رخدادی کلمه آماده سازی داده ها دریافت واژگان
عملکرد نهایی اجرای ماتریس هم رخدادی کلمه
پیاده سازی ماتریس هم رخدادی کلمه رسیدگی به مشکلات حافظه در شرکت های بزرگ
پراکندگی ماتریس همزمانی کلمه
ماتریس هم‌وضعیت کلمه نقطه مثبت اطلاعات متقابل PPMI
PCA برای جاسازی های متراکم
تحلیل معنایی پنهان
اجرای تحلیل معنایی پنهان
معناشناسی کلمات:
تشابه کسینوس
دریافت هنجارهای شباهت کسینوس بردارها
بردارهای عادی کننده تشابه کسینوس
شباهت کسینوس با بیش از یک بردار
تشابه کسینوس دریافت بیشترین کلمات مشابه در واژگان
تشابه کسینوس دریافت بیشترین کلمات مشابه در واژگان رفع اشکال
شباهت کسینوس تعبیه‌های Word2Vec
مشابه های کلمات
پیاده سازی قیاس کلمات 1
اجرای تشبیهات کلمه 2
تجسم کلمات
پیاده سازی تجسم های کلمه
پیاده سازی تجسم های کلمه 2
Word2vec (اختیاری):
جاسازی های استاتیک و پویا
نظارت بر خود
چکیده الگوریتم Word2Vec
Word2Vec: چرا نمونه گیری منفی
Word2Vec: Skip Gram چیست
Word2Vec: چگونه قانون احتمال را تعریف کنیم
Word2Vec Sigmoid
Word2Vec Formalizing Loss Function
تابع از دست دادن Word2Vec
گام نزول گرادیان Word2Vec
Word2Vec Implementation Preparing Data
گام گرادیان پیاده سازی Word2Vec
عملکرد درایور پیاده سازی Word2Vec
نیاز به یادگیری عمیق برای NLP (NLP با یادگیری عمیق DNN):
چرا RNN ها برای NLP
معرفی نصب و راه اندازی PyTorch و تنسورها
تمایز خودکار PyTorch
مقدمه (NLP با یادگیری عمیق DNN):
چرا DNN ها در یادگیری ماشینی؟
قدرت بازنمایی و ظرفیت استفاده از داده DNN
پرسپترون
اجرای پرسپترون
معماری DNN
اجرای DNN Forwardstep
DNN چرا عملکرد فعالسازی مورد نیاز است
ویژگی‌های تابع فعال‌سازی DNN
توابع فعال سازی DNN در PyTorch
DNN تابع ضرر چیست
عملکرد از دست دادن DNN در PyTorch
آموزش (NLP با یادگیری عمیق DNN):
DNN Gradient Descent
اجرای نزول گرادیان DNN
مینی بچ دسته ای تصادفی شیب نزولی DNN
DNN Gradient Descent خلاصه
مرحله گرادیان پیاده سازی DNN
پیاده‌سازی DNN نزولی گرادیان تصادفی
تنزیل شیب دسته ای پیاده سازی DNN
پیاده‌سازی DNN مینی‌بچ نزول گرادیان
پیاده سازی DNN در PyTorch
هیپرپارامترها (NLP با یادگیری عمیق DNN):
مقدار دهی اولیه وزن DNN
نرخ یادگیری DNN
نرمال سازی دسته ای DNN
اجرای عادی سازی دسته ای DNN
بهینه سازی DNN
قطع شدن DNN
DNN Dropout در PyTorch
توقف زودهنگام DNN
هایپرپارامترهای DNN
DNN PyTorch CIFAR10 مثال
مقدمه (NLP با RNN یادگیری عمیق):
RNN چیست
درک RNN با یک مثال ساده
برنامه های RNN شناسایی فعالیت انسانی
تصویر برنامه های RNN
ترجمه ماشینی برنامه های کاربردی RNN
برنامه های RNN پیش بینی قیمت سهام تشخیص گفتار
مدل های RNN
مدل‌سازی زبان پروژه کوچک (NLP با یادگیری عمیق RNN):
مدل سازی زبان پیش بینی کلمه بعدی
شاخص واژگان پیش‌بینی کلمه بعدی مدل‌سازی زبان
مدل‌سازی زبان بعدی پیش‌بینی واژگان جاسازی‌های فهرست
مدل سازی زبان Next Word Prediction Architecture RNN
مدل سازی زبان پیش بینی کلمه بعدی پایتون 1
مدل سازی زبان بعدی پیش بینی کلمه پایتون2
مدل سازی زبان پیش بینی کلمه بعدی پایتون 3
مدل سازی زبان پیش بینی کلمه بعدی پایتون 4
مدل سازی زبان بعدی پیش بینی کلمه پایتون 5
مدل سازی زبان پیش بینی کلمه بعدی پایتون 6
طبقه‌بندی احساسات پروژه کوچک (NLP با RNN یادگیری عمیق):
پیاده سازی واژگان
کمک کننده های پیاده سازی واژگان
پیاده سازی واژگان از فایل
بردار
راه اندازی RNN
راه اندازی RNN 1
RNN در PyTorch (NLP با RNN یادگیری عمیق):
RNN در PyTorch مقدمه
RNN در لایه جاسازی PyTorch
RNN در PyTorch Nn Rnn
RNN در اشکال خروجی PyTorch
RNN در PyTorch Gated Units
RNN در PyTorch Gated Units GRU LSTM
RNN در PyTorch دو جهته RNN
RNN در اشکال خروجی RNN دو جهته PyTorch
RNN در PyTorch دو جهته RNN خروجی اشکال جداسازی
RNN در مثال PyTorch
مدل‌های پیشرفته RNN (NLP با RNN یادگیری عمیق):
رمزگشا رمزگذار RNN
RNN توجه
ترجمه ماشین عصبی:
مقدمه ای بر مجموعه داده ها و بسته ها
اجرای کلاس زبان
تست کلاس زبان و اجرای عادی سازی
خواندن فایل داده
Reading Building Vocabulary
EncoderRNN
DecoderRNN
DecoderRNN گام رو به جلو
توابع کمکی DecoderRNN
ماژول آموزشی
نزول گرادیان تصادفی
آموزش NMT
ارزیابی NMT