مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow

مدرس Harshit Tyagi

انتشار 2021/04/19

مدت زمان 1h 47m

سطح مناسب همه

فایل تمرینی دارد

آموزش Deep Learning Foundations: Natural Language Processing with TensorFlow

تقاضای فزاینده ای برای استفاده از قدرت پردازش زبان طبیعی (NLP) و مدل های یادگیری عمیق وجود دارد تا بتوانیم داده های متنی را درک کنیم و مداخلات عاطفی انسان ها را برای تصمیم گیری بهتر کاهش دهیم. در این دوره، مدرس Harshit Tyagi یک راهنمای کامل برای درک NLP با استفاده از شبکه های عصبی بازگشتی (RNN) ارائه می دهد. Harshit با معرفی رمزگذاری کلمات و استفاده از TensorFlow برای توکن‌سازی شروع می‌کند. او مفهوم مهم جاسازی کلمات را توصیف می کند و به شما نشان می دهد که چگونه از TensorFlow برای طبقه بندی نقدهای فیلم و بردار پروژه استفاده کنید. Harshit RNN ها و حافظه کوتاه مدت بلند مدت (LSTM) را مورد بحث قرار می دهد، سپس به شما نشان می دهد که چگونه طبقه بندی بررسی فیلم را از قبل در دوره بهبود دهید. او با بحث در مورد اینکه چگونه می توانید RNN ها را برای پیش بینی کلمه بعدی در یک جمله آموزش دهید، به پایان می رسد، که به نوبه خود به شما امکان می دهد متن اصلی را ایجاد کنید.

Deep Learning Natural Language Processing (NLP) TensorFlow

Introduction

Leveraging deep learning for natural language processing ()

1. Getting Started with NLP

Introduction to natural language processing ()

Introduction to word encodings ()

Tokenization using TensorFlow ()

Padding the sequences ()

Challenge: Recognizing sarcasm in the text ()

Solution: Recognizing sarcasm in the text ()

2. Text Classification

Introduction to word embeddings ()

Classifying movie reviews using TensorFlow ()

Projecting vectors using TensorFlow ()

Building a text classifier ()

Challenge: Text classification ()

Solution: Text classification ()

3. Classification with RNNs and LSTMs

Introduction to RNNs ()

Implementing LSTMs with TensorFlow ()

Improving your movie review classifier ()

Challenge: Yelp review classifier ()

Solution: Yelp review classifier ()

4. Text Generation with RNNs

Introduction to text generation ()

Predicting the next word ()

Challenge: Generate poetry ()

Solution: Generate poetry ()

Conclusion

Learning more about NLP with TensorFlow ()

Ex_Files_NLP_TensorFlow.zip (541 KB)

Glossary_DeepLearningFoundations_NaturalLanguage_TensorFlow.zip (41 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Deep Learning Foundations: Natural Language Processing with TensorFlow در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

با این مسیر یادگیری جامع، پتانسیل پردازش زبان طبیعی (NLP) را باز کنید. تجربه عملی با SpaCy برای هوش مصنوعی مبتنی بر قانون، کار با شبکه‌های عصبی تکراری (RNN) با استفاده از TensorFlow و ساخت برنامه‌های کاربردی با ترانسفورماتورها. هر دوره برای تعمیق درک و مهارت های عملی شما در NLP طراحی شده است. از همین حالا شروع کنید تا تخصص هوش مصنوعی خود را ارتقا دهید و در این زمینه به سرعت در حال تحول جلوتر بمانید.

آموزش مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow ، ایستگاه شماره 4 در مسیر یادگیری مهارت های خود را در پردازش زبان طبیعی ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در پردازش زبان طبیعی ارتقا دهید

تبدیل به یک مهندس هوش مصنوعی شوید که سیستم های هوشمند را در مقیاس طراحی، می سازد و به کار می گیرد. این مسیر یادگیری برای مهندسین نرم افزار، دانشمندان داده و متخصصان فناوری که آماده رهبری نوآوری هوش مصنوعی هستند، مناسب است. کارشناسی ارشد LLM، تنظیم دقیق، معماری RAG، پایگاه های داده برداری، استقرار ابر، و شیوه های هوش مصنوعی مسئول. به متخصصی تبدیل شوید که تحقیقات پیشرفته را با راه حل های آماده تولید که ارزش کسب و کار را افزایش می دهد، پیوند می دهد.

آموزش مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow ، ایستگاه شماره 6 در مسیر یادگیری یک مهندس هوش مصنوعی شوید ، است.

مسیر یادگیری یک مهندس هوش مصنوعی شوید

با این مسیر یادگیری جامع وارد حوزه پویا هوش مصنوعی و یادگیری ماشین شوید. در حین تسلط بر ابزارهایی مانند Python، OpenCV، PyTorch و Keras، بینش های ضروری را در مورد پردازش تصویر، یادگیری تقویتی و شبکه های عصبی به دست آورید. الگوریتم‌های قدرتمند را پیاده‌سازی کنید، مدل‌های یادگیری ماشینی کارآمد بسازید و فناوری‌های نوآورانه را در بخش‌های مختلف اعمال کنید. برای تبدیل شدن به یک مهندس ماهر یادگیری ماشین یا دانشمند داده، ارتقاء مهارت را از امروز شروع کنید.

آموزش مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow ، ایستگاه شماره 4 در مسیر یادگیری شروع کار با هوش مصنوعی و یادگیری ماشینی ، است.