در این دوره گسترش دانش و مهارت های NLP در هنگام پیاده سازی ابزارهای یادگیری عمیق برای انجام وظایف پیچیده، محیط برای NLP، ساختار زبان، نحوه شکستن جملات برای استخراج اطلاعات و برداشت معانی، استفاده از الگوریتم های Naive Bayes برای کلاس بندی متن Binary و Multiclass، نحوه استفاده از binary classifier، معرفی سیستم های تشخیص گفتار، تکنیک های یادگیری عمیق، ایجاد و آموزش شبکه های عصبی برای درک ورودی های صوتی و غیره آشنا می شوید.

سرفصل:

  • کار با Text Corpus
  • دسترسی و استفاده از Built-in Corpora of NLTK
  • بارگیری Corpus
  • یک نمونه توزیع فرکانس شرطی
  • یک نمونه از منابع لغوی
  • پردازش متن خام با NLTK
  • کار با خط لوله NLP
  • پیاده سازی Tokenization
  • عبارات منظم
  • عبارات منظم مورد استفاده در Tokenization
  • نمونه دنیای واقعی کاربردی از کلاس بندی متن
  • Naive Bayes Text Classification
  • اپلیکیشن پیش بینی سن
  • Document Classifier Application
  • پیدا کردن اطلاعات مفید از Piles متن
  • سلسله مراتب ایده ها یا Chunking
  • Chunking در Python NLTK
  • Chinking (Non-Chunk Patterns) in NLTK
  • ایجاد یک گفتار در اپلیکیشن متن با استفاده از پایتون
  • ماژول شناخت گفتار پایتون
  • گفتار به متن با شبکه های عصبی Recurrent
  • گفتار به متن با شبکه های عصبی پیچشی – قسمت اول
  • گفتار به متن با شبکه های عصبی پیچشی – قسمت دوم