حجم باورنکردنی از داده های متنی بدون ساختار هر روز توسط رسانه های اجتماعی، صفحات وب و انواع منابع دیگر تولید می شود. اما بدون توانایی رام کردن و استفاده از آن داده ها، نمی توانید ارزشی از آن بدست آورید. در این دوره آموزشی، یاد بگیرید که چگونه داده های متنی آشفته را با استفاده از پایتون به بینش های قدرتمند تبدیل کنید. مربی درک جدامسکی شروع می کندn سپس به موضوعات پیچیده تری مانند word2vec، doc2vec و شبکه های عصبی تکراری می پردازد. برای پایان دادن به دوره، او این مفاهیم را با استفاده از آنها در یک مشکل یادگیری ماشینی، زمینه ای واقعی می دهد.

با افزایش حجم داده های در دسترس عموم و تمرکز بیشتر بر داده های متنی بدون ساختار، درک نحوه پاکسازی، پردازش و تجزیه و تحلیل آن داده های متنی بسیار ارزشمند است. اگر تجربه ای با پایتون دارید و به پردازش زبان طبیعی (NLP) علاقه دارید، این دوره می تواند دانش مورد نیاز برای مقابله با مشکلات پیچیده با استفاده از یادگیری ماشین را در اختیار شما قرار دهد. مربی درک جدامسکی خلاصه‌ای سریع از مفاهیم اولیه پردازش زبان طبیعی (NLP) ارائه می‌کند، تکنیک‌های تمیز کردن داده‌ها و بردارسازی پیشرفته را پوشش می‌دهد و سپس به ساخت طبقه‌بندی‌کننده‌های یادگیری ماشینی می‌پردازد. در این مرحله آخر، درک نحوه ساخت دو نوع مختلف مدل یادگیری ماشین و همچنین نحوه ارزیابی و آزمایش تغییرات آن مدل ها را نشان می دهد.

 

پردازش زبان طبیعی برای کلمات مانند بینایی کامپیوتری برای تصاویر است. در این دوره، Mark Niemann-Ross متخصص فن آوری به شما کمک می کند تا یادگیری NLP را با زبان برنامه نویسی R آغاز کنید. Mark به شما نشان می دهد که چگونه از زبان برنامه نویسی R برای پیاده سازی الگوریتم های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. علامت گذاری کنید تا با استفاده از Quanteda، یک چارچوب متن کاوی جایگزین، قدم بردارید و به شما کمک می کند بفهمید که corpora چیست و چگونه می توانید آنها را ایجاد، اصلاح و استفاده کنید. او توکن ها و ماتریس سند-ویژگی (DFM) را توضیح می دهد. به علاوه، مارک تجزیه و تحلیل و تجسم را از طریق بسته quanteda textstat، بسته احساسی، textplot و dplyr بررسی می‌کند.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 امروز با دو مورد از بحث و گفتگو در زمینه فناوری امروز سرعت بگیرید: پردازش زبان طبیعی (NLP) و مدل های زبان بزرگ (LLMS). در این دوره ، که به طور منحصر به فرد برای متخصصان غیر فنی و غیر برنامه نویسی طراحی شده است ، مربی Gwendolyn Stripling یک مرور کلی از نحوه پردازش رایانه ها و درک زبان انسانی ارائه می دهد. برنامه های کاربردی در دنیای واقعی NLP و LLMS را در صنایع مختلف ، از Chatbots و دستیاران مجازی گرفته تا تجزیه و تحلیل احساسات و تولید محتوا ، کاوش کنید. در طول راه ، ضمن ایجاد دیدگاه مهم از مزایا ، هزینه ها و چالش های آنها ، برخی از تأثیرات بالقوه این فناوری های قدرتمند را کشف کنید.

 تخصص خود را در تجزیه و تحلیل داده های محور AI و تعامل با مشتری بالا ببرید و بدانید که چگونه می توانید هوش مصنوعی مکالمه را در تعامل داده ها با Chatgpt و Langchain ادغام کنید. در این دوره دستی ، رهبر متمایز فناوری و نوآوران Kesha Williams شما را از طریق ساختن یک چت بابات با چتپپ با استفاده از Langchain راهنمایی می کند ، با تمرکز بر مباحث کلیدی مانند مهندسی سریع ، بانکهای اطلاعاتی وکتور ، بازیابی داده ها و پاسخ به سؤال. در پایان دوره ، شما می دانید که چگونه برنامه های پیچیده LLM را توسعه دهید ، پایگاه داده های بردار را اداره کنید و راه حل های هوش مصنوعی ایجاد کنید که به طور هوشمندانه با آنها ارتباط برقرار کرده و بینش را از منابع داده های متنوع استخراج کرده و استخراج کنید.

 مهارت در به دست آوردن بینش از داده های متنی یک مزیت رقابتی برای مشاغل و مشارکت کنندگان فردی است. این دوره با مدرس Wuraola Oyewusi برای کمک به توسعه دهندگان در درک داده های متنی و افزایش ارتباط آنها طراحی شده است. این یک دوره عملی آموزش کاربرد عملی وظایف اصلی پردازش زبان طبیعی است. یاد بگیرید که چگونه دانش به دست آمده را در داده هایی که با آنها کار می کنید تکرار کنید. این دوره شامل پس‌زمینه‌ای از جریان فرآیند هر کار، موارد استفاده و نسخه آزمایشی کدنویسی است. برخی از موضوعات تحت پوشش عبارتند از: شناسایی موجودیت، خلاصه سازی متن، مدل سازی موضوع و تحلیل احساسات.

 

پردازش زبان طبیعی برای کلمات مانند دید کامپیوتری برای تصاویر است! NLP را با زبان برنامه نویسی R یاد بگیرید. در این دوره، مارک نیمن راس، فن‌شناس با تجربه به شما نشان می‌دهد که چگونه از زبان برنامه‌نویسی R برای پیاده‌سازی الگوریتم‌های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. در مورد چارچوب هایی که می توانید با NLP استفاده کنید و همچنین اهمیت corpora و منابع بیاموزید. نحوه کار با فراداده NLP و پیش پردازش متن در آماده سازی برای NLP را بیاموزید. ایجاد داده های ساختاریافته، اعمال آمار در متن، و انجام تجزیه و تحلیل احساسات را کاوش کنید و سپس در تجسم NLP غوطه ور شوید. راه هایی برای استفاده از متن دقیق و کوانتدا R برای NLP کشف کنید. درک خود را از بدنه ها، نشانه ها و ماتریس ویژگی سند (DFM) ایجاد کنید. به علاوه، به تحلیل و تجسم بپردازید.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 ربات ها روند توسعه جدید داغ هستند. ربات‌ها راه‌حل‌های تعاملی مبتنی بر چارچوب‌های هوش مصنوعی هستند که با تعداد روزافزونی از موارد کاربر، از خدمات مشتری گرفته تا بازاریابی، فروش و فناوری اطلاعات، متناسب هستند. با خدمات شناختی مبتنی بر ابر امروزی، تنها چیزی که برای شروع ساخت ربات‌های خود نیاز دارید، مهارت‌های موجود Node.js است. این دوره نحوه ساخت ربات های سفارشی را با استفاده از Node.js و خدمات پردازش زبان طبیعی محبوب (NLP) مانند Google Dialogflow و Alexa Skills Kit نشان می دهد. مربی دانیل خان به شما نشان می‌دهد که چگونه زیرساخت را راه‌اندازی کنید، با سرویس‌های NLP و API کار کنید، و بات‌بک‌اند را به سرویس‌های فرانت‌اند مانند Slack و Alexa متصل کنید. ربات هایی که ایجاد می کنید قادر خواهند بود مکالمات طبیعی و واقعی را با پاسخ دادن به دستورات متنی یا صوتی انجام دهند.

تقاضای فزاینده ای برای استفاده از قدرت پردازش زبان طبیعی (NLP) و مدل های یادگیری عمیق وجود دارد تا بتوانیم داده های متنی را درک کنیم و مداخلات عاطفی انسان ها را برای تصمیم گیری بهتر کاهش دهیم. در این دوره، مدرس Harshit Tyagi یک راهنمای کامل برای درک NLP با استفاده از شبکه های عصبی بازگشتی (RNN) ارائه می دهد. Harshit با معرفی رمزگذاری کلمات و استفاده از TensorFlow برای توکن‌سازی شروع می‌کند. او مفهوم مهم جاسازی کلمات را توصیف می کند و به شما نشان می دهد که چگونه از TensorFlow برای طبقه بندی نقدهای فیلم و بردار پروژه استفاده کنید. Harshit RNN ها و حافظه کوتاه مدت بلند مدت (LSTM) را مورد بحث قرار می دهد، سپس به شما نشان می دهد که چگونه طبقه بندی بررسی فیلم را از قبل در دوره بهبود دهید. او با بحث در مورد اینکه چگونه می توانید RNN ها را برای پیش بینی کلمه بعدی در یک جمله آموزش دهید، به پایان می رسد، که به نوبه خود به شما امکان می دهد متن اصلی را ایجاد کنید.

 ترانسفورماتورها دنیای پردازش زبان طبیعی (NLP) را طوفانی می کنند. در این دوره، مربی جاناتان فرناندز همه چیز را در مورد این معماری برای کارهای NLP و بینایی کامپیوتر و مهارت های لازم در جعبه ابزار هوش مصنوعی به شما آموزش می دهد. جاناتان از یک رویکرد عملی برای نشان دادن اصول اولیه کار با ترانسفورماتورها در NLP و تولید استفاده می کند. او در مورد اندازه های مدل BERT، تعصب در BERT و نحوه آموزش BERT صحبت می کند. جاناتان یادگیری انتقالی را بررسی می‌کند، نحوه استفاده از مدل BERT و توکن‌سازی را به شما نشان می‌دهد و طبقه‌بندی متن را پوشش می‌دهد. پس از توضیح کامل معماری مدل ترانسفورماتور، او با چند دوره آموزشی اضافی به پایان می رساند.

 

پردازش زبان طبیعی (NLP) یکی از مهمترین اجزای هوش مصنوعی است. این به شما امکان می دهد تا حجم زیادی از داده ها را در قالب زبان طبیعی پردازش، تجزیه و تحلیل و درک کنید. در این دوره، مربی مارک نیمن راس به شما نشان می دهد که چگونه با استفاده از R، زبان برنامه نویسی محبوب برای محاسبات آماری و گرافیک، پیاده سازی الگوریتم های NLP را شروع کنید.

اصول دستکاری ماتریس ها و تولید آمار، هر دو را بررسی کنید. که هسته اصلی NLP موفق هستند. نحوه استفاده از ابزارها و چارچوب‌های متن‌کاوی مانند tm، quanteda، و tidytext و همچنین کار با corpora، منابع و دیگر انواع ابرداده سند NLP را بیاموزید. Mark بهترین روش‌ها را برای پیش‌پردازش متن در آماده‌سازی برای NLP، ایجاد داده‌های ساختاریافته، اعمال آمار در متن، انجام تجزیه و تحلیل احساسات، تجسم مجموعه‌های داده، و موارد دیگر را پوشش می‌دهد.

 

اگر مبتدی هستید که به دنبال یادگیری بیشتر در مورد قابلیت‌های پردازش زبان طبیعی (NLP) هستید یا توسعه‌دهنده‌ای هستید که می‌خواهد با APIهای NLP مدرن شروع به کار کند، این دوره مقدمه‌ای عالی ارائه می‌دهد. رونی شیر، توسعه‌دهنده و مربی نرم‌افزار، شما را راهنمایی می‌کند که مدل‌های زبان بزرگ چیست و چه مشکلاتی را می‌توانند حل کنند. رونی به تولید متن می پردازد، با یک هشدار برای استفاده مسئولانه از هوش مصنوعی تولید متن شروع می کند، سپس با یادگیری چند شات به Chat GPT، GPT-3 و J1 می رود. او شما را با چشم انداز تصویر تولید شده توسط هوش مصنوعی آشنا می کند، سپس نحوه استفاده از Dall-E و Midjourney را به شما نشان می دهد. به‌علاوه، رونی چند مفهوم پیشرفته را بررسی می‌کند، مانند نحوه تنظیم دقیق درخواست‌های خود و نحوه تعامل با مدل‌های زبان با استفاده از یک API.

هوش مصنوعی زمینه ای رو به رشد برای آینده شغلی است. با این حال، شروع یادگیری در مورد هوش مصنوعی با توجه به گستردگی موضوع می تواند بسیار دشوار باشد. در این دوره، Jim Sterne، یک تحلیلگر بازاریابی قدیمی که علاقه زیادی به پیشرفت هوش مصنوعی دارد، اصول اولیه آنچه را که برای شروع استفاده از هوش مصنوعی باید بدانید را به اشتراک می گذارد. ابتدا، جیم اصول اولیه چیستی هوش مصنوعی را بررسی می کند. او سپس برخی از مفاهیم اضافی مرتبط با هوش مصنوعی، مانند پردازش زبان طبیعی، بینایی کامپیوتر، و یادگیری ماشین را بررسی می کند. سپس، جیم برنامه های کاربردی یادگیری ماشین، هوش مصنوعی و نحوه کار این دو با هم را به اشتراک می گذارد. او همچنین رابطه بین انسان ها و هوش مصنوعی را بررسی می کند و اینکه چگونه می توانید از هوش مصنوعی به نفع خود استفاده کنید. او با بررسی وضعیت آینده هوش مصنوعی پایان می دهد. پس از اتمام این دوره، شما یک پایه دانش قوی برای شروع استفاده از هوش مصنوعی به نفع خود خواهید داشت.nn ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 ترانسفورماتورها به سرعت به معماری مورد استفاده برای پردازش زبان طبیعی (NLP) تبدیل شده اند. در نتیجه، دانستن نحوه استفاده از آنها اکنون یک مهارت حیاتی در جعبه ابزار هوش مصنوعی شما است. در این دوره، مربی جاناتان فرناندز شما را در بسیاری از مدل‌های کلیدی زبان توسعه یافته از زمان GPT-3 راهنمایی می‌کند. او یک نمای کلی از GLaM، Megatron-Turing NLG، Gopher، Chinchilla، PalM، OPT، و BLOOM ارائه می‌کند و برخی از مهم‌ترین بینش‌ها را از هر مدل ارائه می‌کند.

دریافت نمای کلی از سطح بالا مدل های زبان بزرگ، کجا و چگونه در تولید استفاده می شوند و چرا برای NLP بسیار مهم هستند. علاوه بر این، اصول یادگیری انتقال و آموزش ترانسفورماتور را برای بهینه سازی مدل های هوش مصنوعی خود در حین حرکت کشف کنید. در پایان این دوره، با آنچه که از زمان انتشار OpenAI برای اولین بار GPT-3 و همچنین مشارکت‌های کلیدی هر یک از این مدل‌های زبانی بزرگ، اتفاق افتاده است، مطلع خواهید شد.

 

پروژه ها

• برای ساختن یک مدل دید رایانه ای که می تواند با طبقه بندی تصاویر لاستیک به عنوان خوب یا بد ، نقص تایر را مشخص کند ، از دستگاه قابل آموزش ، یک ابزار بدون کد AI استفاده کنید.
• از Akkio ، یک ابزار بدون کد AI ، برای ساختن یک مدل یادگیری ماشین استفاده کنید که به شما در درک درک مشتری کمک می کند.
• ایجاد یک چت بابات هوشمند برای صحبت با IoT.

همگرایی هوش مصنوعی و اینترنت اشیاء تأثیر عمیقی بر همه صنایع و جنبه های زندگی دارد. در این دوره ، Sudha Jamthe بحث می کند که چگونه AI و IoT نقش ها و مشاغل شغلی را تغییر داده اند و به شما نشان می دهد که چگونه می توانید AI را از داده های IoT با استفاده از کد صفر بسازید. در طول راه ، سودا مجموعه ای از چالش ها و راه حل ها ، نسخه های نمایشی و فیلم های دستی را ارائه می دهد تا بتوانید درس های عمل را ببینید.

 

مجموعه داده های اخبار جعلی یکی از مجموعه داده های کلاسیک تجزیه و تحلیل متن است که در Kaggle موجود است. این مجموعه از عناوین مقاله و جعلی و متن از نویسندگان مختلف تشکیل شده است. در این پروژه ، با این مجموعه داده در دنیای واقعی کار کنید تا یک مدل تشخیص خبری جعلی تهیه کنید. بیاموزید که چگونه داده های متن را تمیز و پیش پردازش کنید ، ویژگی های معنی دار را استخراج کنید ، یک مدل طبقه بندی را آموزش دهید و عملکرد آن را ارزیابی کنید. این پروژه به گونه ای طراحی شده است که تقریباً در 10 ساعت به پایان برسد.

این پروژه توسط Skillup Online ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.