کتاب صوتی کشف الگوهای نهانی متن با تکنیک‌های یادگیری بدون نظارت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف الگوهای نهانی متن با تکنیک‌های یادگیری بدون نظارت

موضوع کلی: یادگیری ماشین

موضوع میانی: یادگیری بدون نظارت

📋 سرفصل‌های دوره

• 1. پیش‌پردازش متن و نرمال‌سازی داده‌های کلامی
• 2. تبدیل متن به فضای برداری با روش باگ آف کلمات
• 3. محاسبه وزن واژگان و اهمیت شاخص TF-IDF
• 4. یادگیری نمایش واژگان و ایجاد Word Embeddings
• 5. الگوریتم Word2Vec و ساخت فضای معنایی واژگان
• 6. گسترش مدل‌های واژگانی با GloVe و FastText
• 7. کاهش بعدی خطی داده‌ها با تحلیل مؤلفه‌های اصلی (PCA)
• 8. فشرده‌سازی موضوعی با تجزیه مقداری موردی (SVD)
• 9. مقدمه بر کلاسترینگ و پیاده‌سازی K-Means برای متون
• 10. شناسایی خوشه‌های پراکنده با الگوریتم DBSCAN
• 11. خوشه‌بندی سلسله‌مراتبی و درختی‌سازی مجموعه‌های متنی
• 12. مدل‌های مخلوط گاوسی (GMM) و احتمال خوشه‌بندی متون
• 13. ارزیابی کمّی کیفیت خوشه‌بندی با ضریب سیلوئت
• 14. مقدمه بر مدل‌های موضوعی و استخراج ساختارهای پنهان
• 15. الگوریتم تخصیص لاتنت دیریکله (LDA) در یادگیری متنی
• 16. فشرده‌سازی موضوعی با تجزیه مقداری غیرمنفی (NMF)
• 17. انتخاب تعداد بهینه موضوعات با ضریب همبستگی
• 18. کاهش بعدی غیرخطی و تصویرسازی متون با t-SNE
• 19. حفظ ساختار محلی متون با تکنیک UMAP
• 20. خودرمزگذارها (Autoencoders) و یادگیری نمایش عمیق متن
• 21. استخراج ویژگی‌های عمیق متنی با مدل‌های زبانی BERT
• 22. کلاسترینگ متون عمیق با استفاده از embeddingهای BERT
• 23. یادگیری مقایسه‌ای و شناسایی شباهت متون بدون برچسب
• 24. تشخیص انomalی و شناسایی متون شاذ در جریان داده
• 25. کشف جملات تکراری و فشرده‌سازی مجموعه‌های متنی بزرگ
• 26. پیاده‌سازی شبکه‌های اجتماعی و روابط ضمنی در متون
• 27. استخراج روندهای زمانی و تحلیل سیال موضوعات بدون برچسب
• 28. بهینه‌سازی فراپارامترها و تنظیم دقیق مدل‌های کلاسترینگ
• 29. مقایسه عملکرد و ارزیابی مدل‌های مختلف یادگیری بدون نظارت
• 30. پروژه تطبیقی: ساخت سیستم خودکار خوشه‌بندی و موضوع‌یابی متون