اکسپرس 24
کتاب تکنیک‌های پیشرفته مدل‌سازی زبانی آماری

کتاب تکنیک‌های پیشرفته مدل‌سازی زبانی آماری

تگ‌ها: Bayesian LM cache model domain adaptation factored LM language model evaluation maximum entropy n-gram perplexity Pitman-Yor process smoothing statistical language modeling subword modeling

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های پیشرفته مدل‌سازی زبانی آماری

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی آماری

📋 سرفصل‌های دوره

  • 1. معادلات پایه احتمال و توزیع‌های گسسته
  • 2. معرفی مدل‌های n-gram و فرضیه مارکوف
  • 3. استیمیشن حداکثر Uyگینیتیم (MLE) برای n-gram
  • 4. مشکل داده‌های ناپدید وneed for smoothing
  • 5. تکنیک‌های smoothing افزودن-one (Laplace)
  • 6. تکنیک smoothing Good‑Turing
  • 7. تکنیک smoothing Kneser‑Ney (مرحله اول)
  • 8. تکنیک smoothing Kneser‑Ney (مرحله دوم، modified)
  • 9. تکنیک smoothing Witten‑Bell
  • 10. تکنیک smoothing interpolated backoff
  • 11. ارزیابی مدل‌های زبانی: پرپلکシティ و آنتروپی
  • 12. محاسبه پرپلکシティ از داده‌های تست
  • 13. تأثیر vocab size و unknown words روی پرپلکシティ
  • 14. مدیریت کلمات ناشناس: تکنیک‌های unknown word modeling
  • 15. پیش‌پردازش متن: توکناییزیشن، نرمال‌سازی و حذف علائم
  • 16. استفاده از زبان‌های مختلف و’effet زبان بر n-gram
  • 17. مدل‌های زبانی مبتنی بر کلاس (class-based LM)
  • 18. ساخت خودکار کلاس‌ها از طریق خوشه‌بندی کلمات
  • 19. مدل‌های زبانی faktored (factored language models)
  • 20. ایجاد و استفاده از faktors morfosyntactic و semantic
  • 21. مدل‌های زبانی مبتنی بر کش (cache language models)
  • 22. مدل‌های زبانی وابسته به موضوع (topic-dependent LMs)
  • 23. استفاده از مدل‌های موضوعی如 LDA در بهبود LM
  • 24. مدل‌های حداکثر entrопи (Maximum Entropy LM)
  • 25. استخراج ویژگی‌هایbinary و continuous برای MaxEnt LM
  • 26. استفاده از توزیعات گوسی برای smoothed MaxEnt LM
  • 27. مدل‌های مشروط تصادفی (Conditional Random Fields) برای LM
  • 28. مدل‌های ترکیبی (mixture models) از n-gan و کلاس‌ها
  • 29. مدل‌های بیزی hierarchical Dirichlet process (HDP) LM
  • 30. فرآیند Pitman‑Yor و کاربرد آن در LM‌های statistcal
  • 31. مدل‌های 애니ویز (adaptive language models) به‌روزرسانی آنلاین
  • 32. یادگیری پارامترها با descenso 경사 متقابل (online SGD)
  • 33. کاهش dimensionesی ماتریس شمارش n-gram با تجزیه ماتریس
  • 34. استفاده از tensors low-rank برای نمایانداری n-gram بزرگ
  • 35. مدل‌های زبانی مبتنی بر توابع هسته (kernel-based LM)
  • 36. استفاده از تکنیک‌های trick kernel برای محاسبه ähnlickeiten
  • 37. مدل‌های زبانی با ساختار شجري (tree‑based LM)
  • 38. مدل‌های زبانی مبتنی بر گراف (graph‑based LM) و random walk
  • 39. استفاده از شبکه‌های عصبی کم‌اندازه برای تقریب آمار n-gram (neural n-gram approximation)
  • 40. تکنیک‌های distillation برای انتقال دانش از LM بزرگ به LM کوچک
  • 41. کوانتیزاسیون و pruning مدل‌های n-gram برای بهینه‌سازی حافظه
  • 42. بهینه‌سازی جستجو در دیکoder با استفاده از hash tables و tries
  • 43. استفاده از струкuras danych suffix array برای جستجوی سریع n-gram
  • 44. تکنیک‌های parallel و GPU‑based محاسبه شمارش n-gram
  • 45. برآورد مدل‌های زبانی در محیط‌های توزیع‌شده (map‑reduce)
  • 46. مدل‌های زبانی برای زبان‌های کم‌منبع (low‑resource) با transfer learning از زبان‌های غنی
  • 47. ارزیابیLM روی وظایف downstream: completetext، سؤال‑جواب، ترجمه
  • 48. استفاده ازLM در ردیابی صدا (speech recognition) وOCR
  • 49. بهینه‌سازیLM برای زمان واقعی (real‑time) در سیستم‌های diálogo
  • 50. ملاحظات اخلاقی و bias در مدل‌های زبانی آماری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.