آموزش پردازش زبان طبیعی بوسیله Machine Learning در زبان Python

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پردازش زبان طبیعی یاد می گیرید.

عنوان اصلی : Natural Language Processing with Machine Learning in Python

این مجموعه آموزش ویدیویی محصول موسسه آموزشی Udemy است که بر روی 1 حلقه دیسک ارائه شده و به مدت زمان 5 ساعت و 19 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :

Introduction :
Course Introduction
What is NLP?
Course Overview
Introduction to Google Colab
How to use Course Resources

Processing text with NLTK :
Tokenization
Token Normalization
Stemming with NLTK
Lemmatization with NLTK
NLTK in Practice - Part 1 - Text Analysis and Pre-Processing
NLTK in Practice - Part 2 - Tokenization and Stop-words Removal
NLTK in Practice - Part 3 - Stemming & Lemmatization
NLTK in Practice - Part 4 - Part of Speech Tagging
NLTK in Practice - Part 5 - Optimisations
NLTK Exercise
NLTK Exercise - Answers

Processing text with spaCy :
spaCy - Introduction
spaCy - Tokenization and Token Attributes
spaCy - Entities and Dependencies
spaCy - NLP Pipeline
spaCy - Working with Stopwords

Text Vectorization :
Introduction to Text Vectorization
Bag of Words
N-grams
Characteristics of TF-IDF
TF-IDF Vectorization

Text Classification :
Text Classification - Introduction
Introduction to Machine Learning
IMDb Movie Reviews Dataset
Splitting Data for Training and Testing
Text Classification with Logistic Regression
How to read a Classification Report
Improvements with Pipelines, TF-IDF and N-grams
Using Naive Bayes and Linear SVC for Text Classification

Sentiment Analysis with TextBlob & VADER :
Sentiment Analysis - Introduction
Sentiment Analysis with TextBlob
Sentiment Analysis with VADER

Logistic Regression for Sentiment Analysis :
How to Apply Logistic Regression for Sentiment Analysis
RegEx for Preprocessing Data
Tokenization, Stemming and Stop-words Removal
Defining a Single Function for All Preprocessing Tasks
Split Data for Training and Testing
Creating Frequencies Dictionary
Generating Feature Metrics
Applying Logistic Regression for Sentiment Analysis

Naive Bayes for Sentiment Analysis :
Naive Bayes Theory - Part 1
Naive Bayes Theory - Part 2
Data Preprocessing
Generating Vocabulary and Calculating Frequencies
Calculating Log Likelihood
Feature Visualisation
Calculating Prediction Accuracy

Integrating Twitter Developer API :
Registering to Twitter Developer API
Creating a Twitter App, Keys and Secrets
Accessing Twitter API from Notebook
End Note

مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 1 حلقه دیسک
مدت زمان آموزش 5 ساعت و 19 دقیقه !
محصول موسسه آموزشی Udemy