کتاب صوتی Google Cloud Platform: ساخت اپلیکیشن های تحلیل متن آزاد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل متن آزاد

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. مقدمه ای بر پردازش زبان طبیعی (NLP)
• 3. معرفی Google Cloud Platform (GCP)
• 4. مزایای استفاده از GCP برای اپلیکیشن های NLP
• 5. ساختار کلی دوره و پیش نیازها
• 6. تنظیم محیط توسعه GCP
• 7. ایجاد و پیکربندی حساب GCP
• 8. استفاده از Cloud Shell
• 9. مدیریت پروژه ها و منابع در GCP
• 10. مفاهیم اساسی شبکه در GCP (VPC, Subnets)
• 11. اصول امنیتی در GCP (IAM, Roles, Permissions)
• 12. معرفی سرویس های کلیدی GCP برای NLP
• 13. Google Cloud Storage (GCS) برای ذخیره سازی داده ها
• 14. Google Compute Engine (GCE) برای منابع محاسباتی
• 15. Google Kubernetes Engine (GKE) برای ارکستراسیون کانتینرها
• 16. Google Cloud Functions برای محاسبات بدون سرور
• 17. Google Cloud Run برای اجرای کانتینرها
• 18. Google Cloud AI Platform (Vertex AI)
• 19. مقدمه ای بر Vertex AI
• 20. Vertex AI Pipelines
• 21. Vertex AI Workbench
• 22. Vertex AI Training
• 23. Vertex AI Prediction
• 24. Google Cloud Natural Language API
• 25. کاربرد Natural Language API
• 26. تجزیه و تحلیل احساسات (Sentiment Analysis)
• 27. تشخیص موجودیت های نام گذاری شده (Named Entity Recognition - NER)
• 28. تحلیل نحوی (Syntax Analysis)
• 29. برچسب گذاری قسمت گفتار (Part-of-Speech Tagging)
• 30. شناسایی نوع سند (Document Classification)
• 31. پردازش اسناد طولانی با Natural Language API
• 32. محدودیت ها و ملاحظات Natural Language API
• 33. Google Cloud Translation API
• 34. کاربرد Translation API
• 35. ترجمه متن بین زبان ها
• 36. ترجمه اسناد
• 37. مدیریت مدل های ترجمه سفارشی
• 38. Google Cloud Speech-to-Text API
• 39. کاربرد Speech-to-Text API
• 40. تبدیل گفتار به متن
• 41. پشتیبانی از زبان های مختلف
• 42. تنظیمات پیشرفته Speech-to-Text
• 43. Google Cloud Text-to-Speech API
• 44. کاربرد Text-to-Speech API
• 45. تبدیل متن به گفتار
• 46. انتخاب صداهای مختلف
• 47. تنظیمات پیشرفته Text-to-Speech
• 48. استفاده از BigQuery برای تحلیل داده های متنی
• 49. مقدمه ای بر BigQuery
• 50. طراحی اسکیمای جدول برای داده های متنی
• 51. بارگذاری داده های متنی در BigQuery
• 52. پرس و جو (Query) بر روی داده های متنی در BigQuery
• 53. استفاده از توابع BigQuery برای پردازش متن
• 54. تجمیع و تحلیل داده های متنی با BigQuery
• 55. اتصال BigQuery به سرویس های دیگر GCP
• 56. مبانی یادگیری عمیق برای NLP
• 57. شبکه های عصبی بازگشتی (RNN)
• 58. شبکه های حافظه کوتاه مدت طولانی (LSTM)
• 59. شبکه های حافظه کوتاه مدت (GRU)
• 60. شبکه های کانولوشنال (CNN) برای متن
• 61. ترانسفورمرها (Transformers)
• 62. معماری ترانسفورمر
• 63. مکانیزم توجه (Attention Mechanism)
• 64. کاربردهای ترانسفورمرها در NLP
• 65. معرفی کتابخانه Hugging Face Transformers
• 66. نصب و پیکربندی Hugging Face
• 67. استفاده از مدل های از پیش آموزش دیده (Pre-trained Models)
• 68. تنظیم دقیق (Fine-tuning) مدل های ترانسفورمر
• 69. کاربرد Hugging Face در Vertex AI
• 70. ساخت یک اپلیکیشن ساده تحلیل احساسات
• 71. جمع آوری داده های متنی
• 72. پیش پردازش داده ها
• 73. آموزش یک مدل پایه (Baseline Model)
• 74. ارزیابی مدل پایه
• 75. پیاده سازی تحلیل احساسات با Natural Language API
• 76. مقایسه نتایج
• 77. ساخت یک اپلیکیشن تشخیص موجودیت (NER)
• 78. جمع آوری و برچسب گذاری داده های NER
• 79. آموزش یک مدل NER سفارشی
• 80. استفاده از کتابخانه SpaCy برای NER
• 81. پیاده سازی NER با Natural Language API
• 82. مقایسه نته
• 83. ارزیابی مدل های NER
• 84. ساخت یک اپلیکیشن ترجمه متنی
• 85. استفاده از Translation API
• 86. پیاده سازی ترجمه خودکار
• 87. مدیریت خطاها در ترجمه
• 88. ملاحظات مربوط به زبان و فرهنگ
• 89. ساخت یک اپلیکیشن خلاصه سازی متن (Text Summarization)
• 90. معرفی روش های خلاصه سازی (استخراجی و انتزاعی)
• 91. استفاده از مدل های ترانسفورمر برای خلاصه سازی
• 92. پیاده سازی خلاصه سازی با Hugging Face
• 93. ارزیابی کیفیت خلاصه سازی
• 94. ساخت یک اپلیکیشن پاسخ به سوال (Question Answering)
• 95. مقدمه ای بر مدل های QA
• 96. پیاده سازی QA با Hugging Face
• 97. استفاده از مدل های از پیش آموزش دیده QA
• 98. ارزیابی عملکرد مدل QA
• 99. استقرار اپلیکیشن های NLP بر روی GCP
• 100. استقرار مدل ها با Vertex AI Endpoints