پیشنهاد فرادرس

آموزش اپلیکیشن های یادگیری آماری با پایتون

دسته بندی ها: آموزش پایتون (Python) ، تحلیل داده (Data Analysis) ، آموزش های Packtpub

دانشمندان به طور گسترده ای از پایتون برای ساده سازی تسک های تحلیل داده مانند پردازش زبان طبیعی و بینایی رایانه ای، ماژول ها و بسته ها استفاده می کنند. در این دوره با بسته NLTK و پردازش زبان طبیعی، خواندن متن از اسناد با مدل های مختلف، تحلیل احساسات برای پیش بینی اهداف نویسنده و غیره آشنا می شوید.

سرفصل:

  • معرفی دوره
  • پردازش زبان طبیعی
  • آشنایی با NLTK
  • پیش پردازش متن
  • استفاده از مدل های N-Grams و Bag-of-Words
  • تحلیل احساسات
  • کلاس بندی با مدل های Markov
  • تصاویر و بینایی رایانه ای
  • بررسی بینایی رایانه ای
  • کار با OpenCV
  • فیلترها و Transforms
  • یافتن نکات جالب
  •  SIFT – Scale Invariant Feature Transform
  • جستجوی تصویر
  • OCR با Tesseract
  • مطالعه موردی 1- من Spam دوست ندارم
  • فیلتر کردن Spam
  • ارائه داده
  • آماده سازی داده
  • شناسایی Spam
  • مطالعه موردی دو - به من بگویید چه احساسی دارید
  • یادگیری برای دیدن احساسات
  • نگاهی به تصاویر
  • یادگیری احساس - آموزش مدل
Applications of Statistical Learning with Python [Video] Publisher:Packtpub Author:Curtis Miller Duration:1 hour and 44 minutes

Turn practical hands-on projects such as language processing, computer vision, sentiment analysis, and text processing into useful application in Python to take your skills to another level!
Scientists have been increasingly using Python for data analysis tasks such as natural language processing and computer vision, and a new wave of modules and packages, make programming these tasks easier than ever. In this course, you’ll dive into Natural Language Processing and get familiar with the NLTK package. This video course is filled with real-world, practical examples that show you Python’s true power as a programming language for data analysis.
You’ll learn to read text in documents using different models, and employ sentiment analysis to predict the author’s intent. You’ll also see how to employ Python to read images and for computer vision. Once you’ve learned to employ specific Python packages and syntax for these tasks, you’ll explore case studies that put forth solid real-world examples on spam filtering and analyzing human emotions through a dictionary of images.
The code bundle for this video course is available at : https://github.com/PacktPublishing/Applications-of-Statistical-Learning-with-Python
Style and Approach
This course contains in-depth content balanced with tutorials that put theory into practice. This course will give you both a theoretical understanding and practical exp with examples that will allow you indulge in the art of statistical modeling and analysis using the Python programming language.
Released: Tuesday, May 29, 2018
What Did You Say? Natural Language Processing
The Course Overview
Diving into NLP
Getting Familiar with NLTK
Text Preprocessing
Using N-Grams and Bag-of-Words Models
Sentiment Analysis
Classification with Markov Models
Spotting the Right One! Images and Computer Vision
Diving into Computer Vision
Working with OpenCV
Filters and Transforms
Finding Interesting Points
Learning to SIFT – Scale Invariant Feature Transform
Image Search
OCR with Tesseract
Case Study One – I Don’t Like Spam
Filtering Spam
Bring Us the Data
Preparing the E-Mails
Detecting Spam
Case Study Two – Tell Me How You Are Feeling
Learning to See Emotion
Looking at the Pictures
Learning to Feel – Training the Model

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 505.0MB Packtpub Applications of Statistical Learning with Python [Video]_git.ir.rar
captcha