کتاب بهینه سازی ویژگی متن برای مدل‌سازی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه سازی ویژگی متن برای مدل‌سازی

موضوع کلی: علوم داده و تحلیل کلان‌داده‌های متنی

موضوع میانی: تکنیک‌های کاهش ابعاد در داده‌های متنی

📋 سرفصل‌های دوره

• 1. بهینه‌سازی ویژگی متن برای مدل‌سازی
• 2. مبانی پردازش زبان طبیعی
• 3. بررسی انواع داده‌های متنی
• 4. پیش‌پردازش متن: پاکسازی و نرمال‌سازی
• 5. توکن‌سازی و تجزیه متن
• 6. بردارسازی متن: روش‌های پایه
• 7. مدل‌های زبانی ابتدایی
• 8. بررسی روش‌های شمارش کلمات
• 9. مقدمه‌ای بر بردار کلمات (Word Embedding)
• 10. Word2Vec: تئوری و پیاده‌سازی
• 11. GloVe: تئوری و پیاده‌سازی
• 12. FastText: تئوری و پیاده‌سازی
• 13. مقایسه روش‌های بردار کلمات
• 14. استفاده از پیش‌آموزش‌شده‌های کلمات
• 15. بررسی روش‌های کاهش ابعاد
• 16. تحلیل مولفه‌های اصلی (PCA)
• 17. تحلیل تفکیک خطی (LDA)
• 18. تکنیک‌های انتخاب ویژگی
• 19. روش‌های فیلتر کردن ویژگی
• 20. روش‌های بسته‌بندی ویژگی
• 21. مقدمه‌ای بر روش‌های یادگیری ماشین
• 22. طبقه‌بندی متن با استفاده از ماشین بردار پشتیبان (SVM)
• 23. طبقه‌بندی متن با استفاده از رگرسیون لجستیک
• 24. طبقه‌بندی متن با استفاده از درخت تصمیم
• 25. ارزیابی مدل‌های طبقه‌بندی متن
• 26. متریک‌های ارزیابی: دقت، صحت، فراخوانی و F1-score
• 27. مقدمه‌ای بر شبکه‌های عصبی
• 28. شبکه‌های عصبی کانولوشنال (CNN) برای متن
• 29. شبکه‌های عصبی بازگشتی (RNN) برای متن
• 30. شبکه‌های LSTM و GRU
• 31. توجه (Attention) در مدل‌های متنی
• 32. مدل‌های ترانسفورمر: مقدمه‌ای
• 33. BERT: تئوری و پیاده‌سازی
• 34. استفاده از BERT برای طبقه‌بندی متن
• 35. Fine-tuning مدل‌های پیش‌آموزش‌شده
• 36. مدل‌های زبانی بزرگ (LLM) و کاربردهای آن‌ها
• 37. تولید متن با استفاده از مدل‌های زبانی
• 38. خلاصه‌سازی متن با استفاده از مدل‌های زبانی
• 39. ترجمه ماشینی با استفاده از مدل‌های زبانی
• 40. تحلیل احساسات (Sentiment Analysis)
• 41. تشخیص موجودیت نام‌دار (NER)
• 42. استخراج اطلاعات از متن
• 43. بهینه‌سازی مدل‌ها برای منابع محدود
• 44. فشرده‌سازی مدل‌های زبانی
• 45. استقرار مدل‌های متن در محیط‌های عملیاتی