کتاب مقدمه‌ای بر محاسبات در پردازش زبان طبیعی در یادگیری عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در پردازش زبان طبیعی در یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش زبان طبیعی و یادگیری عمیق
• 2. مبانی یادگیری ماشین برای NLP
• 3. شبکه‌های عصبی مصنوعی: اصول اولیه
• 4. تابع فعال‌سازی و لایه‌های مختلف
• 5. بهینه‌سازی گرادیان کاهشی
• 6. انتشار به عقب (Backpropagation)
• 7. شبکه‌های عصبی بازگشتی (RNN)
• 8. مشکلات گرادیان ناپدیدشونده و منفجرشونده
• 9. شبکه‌های LSTM و GRU
• 10. مدل‌های زبانی (Language Models)
• 11. Word Embeddings: Word2Vec
• 12. Word Embeddings: GloVe
• 13. Word Embeddings: FastText
• 14. شبکه‌های عصبی کانولوشنی برای متن (CNNs)
• 15. مدل‌های ترانسفورمر (Transformers)
• 16. مکانیسم توجه (Attention Mechanism)
• 17. مدل BERT: معماری و کاربردها
• 18. Fine-tuning مدل‌های از پیش آموزش‌دیده
• 19. مدل‌های GPT: معماری و کاربردها
• 20. تولید متن با مدل‌های زبانی
• 21. خلاصه‌سازی متن (Text Summarization)
• 22. ترجمه ماشینی عصبی (Neural Machine Translation)
• 23. تشخیص موجودیت نام‌دار (Named Entity Recognition)
• 24. تحلیل احساسات (Sentiment Analysis)
• 25. طبقه‌بندی متن (Text Classification)
• 26. پرسش و پاسخ (Question Answering)
• 27. مدل‌های دنباله‌به‌دنباله (Sequence-to-Sequence Models)
• 28. متریک‌های ارزیابی در NLP
• 29. پیش‌پردازش داده‌های متنی
• 30. توکنایزیشن (Tokenization)
• 31. Lemmatization و Stemming
• 32. حذف کلمات توقف (Stop Word Removal)
• 33. Vectorization متن
• 34. کار با کتابخانه‌های NLP: NLTK
• 35. کار با کتابخانه‌های NLP: spaCy
• 36. کار با کتابخانه‌های NLP: Gensim
• 37. کار با کتابخانه‌های یادگیری عمیق: TensorFlow
• 38. کار با کتابخانه‌های یادگیری عمیق: PyTorch
• 39. پیاده‌سازی یک مدل ساده NLP با TensorFlow/PyTorch
• 40. تنظیم هایپرپارامترها
• 41. Regularization در مدل‌های NLP
• 42. Dropout و Batch Normalization
• 43. استفاده از GPU برای آموزش مدل‌ها
• 44. مدل‌های مبتنی بر ترانسفورمر برای طبقه‌بندی متن
• 45. مدل‌های مبتنی بر ترانسفورمر برای تولید متن
• 46. کاربرد NLP در تحلیل شبکه‌های اجتماعی
• 47. کاربرد NLP در ربات‌های گفتگو (Chatbots)
• 48. استفاده از Transfer Learning در NLP
• 49. مدل‌های چندزبانه (Multilingual Models)
• 50. یادگیری خودنظارتی (Self-Supervised Learning)
• 51. تکنیک‌های افزایش داده (Data Augmentation) در NLP