فلش‌کارت‌های آموزشی Rust and Natural Language Processing: Working with Text Data in Rust

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Rust and Natural Language Processing: Working with Text Data in Rust

موضوع کلی: برنامه نویسی

موضوع میانی: راست (Rust)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Rust
• 2. مفاهیم اولیه Rust: متغیرها، انواع داده و عملیات
• 3. ساختار کنترل جریان در Rust: شرط‌ها و حلقه‌ها
• 4. توابع و مدیریت خطا در Rust
• 5. مالکیت (Ownership) و قرض گرفتن (Borrowing) در Rust
• 6. ساختارهای داده‌ای در Rust: Structs و Enums
• 7. اشیاء (Traits) و پیاده‌سازی آن‌ها در Rust
• 8. مدیریت حافظه در Rust: Stack و Heap
• 9. مدیریت خطا با Result و Option
• 10. کار با رشته‌ها (Strings) در Rust: String و &str
• 11. عملیات پایه روی رشته‌ها: طول، جستجو و برش
• 12. تبدیل انواع رشته و کاراکتر
• 13. استفاده از Unicode در Rust
• 14. کار با عبارات باقاعده (Regular Expressions) در Rust
• 15. نصب و پیکربندی کتابخانه `regex`
• 16. جستجوی الگو در رشته‌ها با عبارات باقاعده
• 17. جایگزینی الگوها با عبارات باقاعده
• 18. تقسیم رشته‌ها بر اساس الگوها
• 19. استفاده از گروه‌ها در عبارات باقاعده
• 20. کار با داده‌های متنی ساختاریافته
• 21. قالب‌بندی رشته‌ها با `fmt`
• 22. سریال‌سازی و دی‌سریال‌سازی JSON در Rust
• 23. استفاده از کتابخانه `serde_json`
• 24. خواندن و نوشتن فایل‌های JSON
• 25. تبدیل داده‌های Rust به JSON
• 26. تبدیل JSON به داده‌های Rust
• 27. کار با فرمت CSV در Rust
• 28. استفاده از کتابخانه `csv`
• 29. خواندن داده‌های CSV
• 30. نوشتن داده‌های CSV
• 31. پردازش زبان طبیعی (NLP) چیست؟
• 32. مقدمه‌ای بر NLP در Rust
• 33. مفاهیم پایه NLP: توکن‌سازی (Tokenization)
• 34. پیاده‌سازی توکن‌سازی ساده در Rust
• 35. استفاده از کتابخانه‌های NLP برای توکن‌سازی
• 36. مفاهیم پایه NLP: حذف کلمات توقف (Stop Words)
• 37. پیاده‌سازی حذف کلمات توقف
• 38. استفاده از لیست کلمات توقف استاندارد
• 39. مفاهیم پایه NLP: ریشه‌یابی (Stemming) و لماتیزه کردن (Lemmatization)
• 40. پیاده‌سازی ریشه‌یابی ساده
• 41. استفاده از کتابخانه‌های NLP برای ریشه‌یابی
• 42. مفاهیم پایه NLP: برچسب‌گذاری اجزای کلام (Part-of-Speech Tagging)
• 43. مقدمه‌ای بر POS Tagging
• 44. استفاده از کتابخانه‌های NLP برای POS Tagging
• 45. مفاهیم پایه NLP: تشخیص موجودیت نام‌گذاری شده (Named Entity Recognition - NER)
• 46. مقدمه‌ای بر NER
• 47. استفاده از کتابخانه‌های NLP برای NER
• 48. مفاهیم پایه NLP: تحلیل احساسات (Sentiment Analysis)
• 49. مقدمه‌ای بر تحلیل احساسات
• 50. استفاده از کتابخانه‌های NLP برای تحلیل احساسات
• 51. مفاهیم پایه NLP: مدل‌سازی موضوعی (Topic Modeling)
• 52. مقدمه‌ای بر مدل‌سازی موضوعی
• 53. استفاده از کتابخانه‌های NLP برای مدل‌سازی موضوعی
• 54. ساخت واژگان (Vocabulary) برای پردازش متن
• 55. شمارش فراوانی کلمات (Word Frequency Counting)
• 56. ایجاد بردارهای کلمه (Word Embeddings)
• 57. مقدمه‌ای بر Word2Vec و GloVe
• 58. استفاده از کتابخانه‌های NLP برای بردارهای کلمه
• 59. کار با مدل‌های زبانی از پیش آموزش‌دیده
• 60. مقدمه‌ای بر مدل‌های ترنسفورمر (Transformer)
• 61. استفاده از کتابخانه‌های NLP برای مدل‌های ترنسفورمر
• 62. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 63. کار با داده‌های متنی بزرگ
• 64. بهینه‌سازی عملکرد پردازش متن در Rust
• 65. تست واحد برای توابع پردازش متن
• 66. مدیریت وابستگی‌ها در Rust با Cargo
• 67. مستندسازی کد Rust
• 68. کار با رشته‌های چندزبانه
• 69. پردازش متن در زبان فارسی
• 70. ملاحظات فرهنگی در پردازش متن فارسی
• 71. استفاده از منابع داده‌ای فارسی
• 72. مثال عملی: ساخت یک موتور جستجوی ساده
• 73. مثال عملی: طبقه‌بندی متن
• 74. مثال عملی: خلاصه‌سازی متن
• 75. مثال عملی: تشخیص اسپم
• 76. مثال عملی: چت‌بات ساده
• 77. مقدمه‌ای بر معماری نرم‌افزار در Rust
• 78. طراحی ماژولار برای پروژه‌های NLP
• 79. مدیریت خطا در مقیاس بزرگ
• 80. بهینه‌سازی حافظه در پردازش متن
• 81. کار با Stream ها در Rust برای داده‌های حجیم
• 82. مقدمه‌ای برConcurrency در Rust
• 83. پردازش موازی متن در Rust
• 84. استفاده از Actor Model در Rust
• 85. مقدمه‌ای بر WebAssembly با Rust
• 86. کاربرد Rust در پردازش متن سمت کلاینت
• 87. امنیت در پردازش داده‌های متنی
• 88. ملاحظات حقوقی و حریم خصوصی داده‌ها
• 89. مقدمه‌ای بر یادگیری ماشین در Rust
• 90. ادغام Rust با کتابخانه‌های یادگیری ماشین
• 91. معرفی کتابخانه‌های پیشرفته NLP در Rust
• 92. آینده NLP با Rust
• 93. جمع‌بندی و گام‌های بعدی