کتاب صوتی تکنیک‌های افزایش داده (Data Augmentation) برای مجموعه داده‌های زبانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های افزایش داده (Data Augmentation) برای مجموعه داده‌های زبانی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مجموعه داده‌های زبانی (Corpora)

📋 سرفصل‌های دوره

• 1. مفاهیم پایه و ضرورت افزایش داده (Data Augmentation) در پردازش زبان طبیعی
• 2. انواع چالش‌های کمبود داده متنی و نابرابری کلاس‌ها (Class Imbalance)
• 3. تکنیک‌های جایگزینی واژگان بر اساس مترادف‌ها (Synonym Replacement)
• 4. جایگزینی کلمات بر اساس شباهت در بردار کلمات (Word Embeddings)
• 5. حذف و درج تصادفی کلمات (Random Deletion & Insertion)
• 6. تکنیک تعویض موقعیت کلمات (Random Swap) و چالش‌های نحو متنی
• 7. ترجمه بازگشتی (Back-Translation) با مدل‌های ترجمه ماشینی
• 8. تکنیک‌های افزایشی مبتنی بر مدل‌های زبانی نقاب‌دار (Masked Language Models)
• 9. افزایش داده متنی با استفاده از مدل‌های زبانی مولد (Generative LLMs)
• 10. پرامپت‌نویسی پیشرفته برای تولید متون مصنوعی با پرامپت‌های ترکیبی
• 11. دستکاری درخت نحو و ساختارهای گرامری (Syntax-based Augmentation)
• 12. تکنیک‌های افزایش داده در سطح بردار و فضای نهفته (Feature-level Augmentation)
• 13. تکنیک Mixup و CutMix برای داده‌های متنی
• 14. تولید داده‌های متنی با حفظ برچسب (Label-Preserving Generation)
• 15. تکنیک‌های افزایش داده برای پروژه‌های طبقه‌بندی متن (Text Classification)
• 16. افزایش داده در مسائل استخراج موجودیت‌های نام‌دار (NER)
• 17. تکنیک‌های افزایش داده برای سیستم‌های پاسخ‌گویی به سوالات (Question Answering)
• 18. افزایش داده در مدل‌های خلاصه‌سازی و بازنویسی متن
• 19. فیلتر کردن و اعتبارسنجی کیفیت داده‌های تولیدشده (Data Filtering & Quality Control)
• 20. محاسبه شباهت معنایی داده‌های مصنوعی و اصلی با معیارهای BLEU و ROUGE و Cosine Similarity
• 21. ارزیابی اثر افزایش داده بر جلوگیری از بیش‌برازش (Overfitting) و بهبود تعمیم‌پذیری مدل
• 22. طراحی خط لوله (Pipeline) خودکار افزایش داده برای مجموعه داده‌های فارسی و انگلیسی