کتاب صوتی درک زبان ماشین: مبانی پردازش زبان طبیعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره درک زبان ماشین: مبانی پردازش زبان طبیعی

موضوع کلی: مهندسی کامپیوتر و معماری سیستم‌ها

موضوع میانی: پردازش زبان طبیعی

📋 سرفصل‌های دوره

• 1. درک زبان ماشین: مبانی پردازش زبان طبیعی
• 2. مقدمه‌ای بر پردازش زبان طبیعی
• 3. نحوه نمایش زبان در کامپیوتر
• 4. پردازش متن: توکنایز کردن و ریشه‌یابی
• 5. مدل‌های زبانی: n-گرام
• 6. ارزیابی مدل‌های زبانی
• 7. تکنیک‌های صاف‌سازی در مدل‌های زبانی
• 8. بردار‌سازی کلمات: Word2Vec
• 9. بردار‌سازی کلمات: GloVe
• 10. بردار‌سازی کلمات: FastText
• 11. شبکه‌های عصبی بازگشتی (RNN)
• 12. حافظه طولانی‌مدت کوتاه (LSTM)
• 13. شبکه‌های عصبی دروازه‌ای بازگشتی (GRU)
• 14. توجه (Attention) در شبکه‌های عصبی
• 15. ترانسفورمرها: معماری و عملکرد
• 16. مکانیسم خودتوجه (Self-Attention)
• 17. مدل‌های زبانی مبتنی بر ترانسفورمر: BERT
• 18. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده
• 19. طبقه‌بندی متن: روش‌ها و الگوریتم‌ها
• 20. تحلیل احساسات: رویکردها و چالش‌ها
• 21. تشخیص موجودیت‌های نام‌گذاری شده (NER)
• 22. استخراج روابط بین موجودیت‌ها
• 23. خلاصه‌سازی متن: روش‌های انتزاعی و استخراجی
• 24. ترجمه ماشینی: رویکردهای آماری
• 25. ترجمه ماشینی: رویکردهای عصبی
• 26. تولید متن: مدل‌های مولد
• 27. پرسش و پاسخ (Question Answering)
• 28. چت‌بات‌ها و دستیارهای مجازی
• 29. مبانی تشخیص گفتار
• 30. تبدیل گفتار به متن (STT)
• 31. مبانی پردازش زبان گفتاری
• 32. پردازش زبان طبیعی برای زبان فارسی: چالش‌ها
• 33. پردازش زبان طبیعی برای زبان فارسی: منابع
• 34. تکنیک‌های پیش‌پردازش برای زبان فارسی
• 35. ریشه‌یابی و شبه‌ریشه‌یابی در زبان فارسی
• 36. مدل‌سازی زبان فارسی با n-گرام
• 37. استفاده از Word Embeddings برای زبان فارسی
• 38. ارزیابی سیستم‌های پردازش زبان طبیعی
• 39. اخلاق در پردازش زبان طبیعی
• 40. حریم خصوصی و امنیت در پردازش زبان طبیعی
• 41. کاربردهای پردازش زبان طبیعی در صنعت
• 42. آینده پردازش زبان طبیعی