دوره
یاد می‌گیرید چطور اطلاعات مفید رو از متن استخراج کنید و اون‌ها رو به فرمتی مناسب برای استفاده در مدل‌های یادگیری ماشین تبدیل کنید.
در این دوره، تکنیک‌هایی رو یاد می‌گیرید که بهتون کمک می‌کنن اطلاعات مفید رو از متن استخراج کنید و اون‌ها رو به فرمتی مناسب برای استفاده در مدل‌های یادگیری ماشین تبدیل کنید. با مفاهیمی مثل برچسب‌گذاری نقش دستوری، تشخیص موجودیت‌های نام‌دار، امتیازهای خوانایی، مدل‌های n-گرام و TF-IDF آشنا می‌شید و یاد می‌گیرید چطور اون‌ها رو با استفاده از Scikit-learn و SpaCy پیاده‌سازی کنید. همچنین یاد می‌گیرید چطور میزان شباهت بین دو سند رو محاسبه کنید. در طول دوره، احساسات نقدهای فیلم رو پیش‌بینی می‌کنید و سیستم‌های پیشنهاددهنده برای فیلم‌ها و سخنرانی‌های TED می‌سازید. در پایان، می‌تونید ویژگی‌های مهم رو از انواع متن استخراج و مهندسی کنید و از اون‌ها برای حل مسائل مختلف علم داده استفاده کنید.
یاد می‌گیرید چطور ویژگی‌های پایه متن مثل تعداد کلمات، تعداد کاراکترها، میانگین طول کلمات و تعداد کاراکترهای خاص مثل هشتگ‌ها و منشن‌های توییتر رو محاسبه کنید. همچنین با محاسبه امتیازهای خوانایی آشنا می‌شید و یاد می‌گیرید سطح تحصیلات موردنیاز برای درک یک متن رو تخمین بزنید.
در این بخش، با توکن‌سازی آشنا می‌شید. بعد یاد می‌گیرید چطور با استفاده از کتابخونه SpaCy، متن رو پاک‌سازی کنید، برچسب‌گذاری نقش دستوری انجام بدید و موجودیت‌های نام‌دار رو تشخیص بدید. بعد از تسلط روی این مفاهیم، متن سخنرانی گتیسبورگ رو برای پردازش ماشینی آماده می‌کنید، نحوه استفاده از اسم‌ها در اخبار جعلی رو بررسی می‌کنید و افراد نام‌برده‌شده در یک مقاله TechCrunch رو شناسایی می‌کنید.
با مدل‌سازی n-گرام آشنا می‌شید و یاد می‌گیرید چطور از اون برای تحلیل احساسات نقدهای فیلم استفاده کنید.
یاد می‌گیرید چطور وزن‌های TF-IDF و امتیاز شباهت کسینوسی بین دو بردار رو محاسبه کنید. بعد از این مفاهیم برای ساخت سیستم‌های توصیه‌گر فیلم و TED Talk استفاده می‌کنید. در پایان هم با embeddingهای کلمه آشنا می‌شید و با استفاده از نمایش برداری واژه‌ها، شباهت بین چند آهنگ مختلف از پینک فلوید رو محاسبه می‌کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
در این دوره، تکنیک‌هایی رو یاد می‌گیرید که بهتون کمک می‌کنن اطلاعات مفید رو از متن استخراج کنید و اون‌ها رو به فرمتی مناسب برای استفاده در مدل‌های یادگیری ماشین تبدیل کنید. با مفاهیمی مثل برچسب‌گذاری نقش دستوری، تشخیص موجودیت‌های نام‌دار، امتیازهای خوانایی، مدل‌های n-گرام و TF-IDF آشنا می‌شید و یاد می‌گیرید چطور اون‌ها رو با استفاده از Scikit-learn و SpaCy پیاده‌سازی کنید. همچنین یاد می‌گیرید چطور میزان شباهت بین دو سند رو محاسبه کنید. در طول دوره، احساسات نقدهای فیلم رو پیش‌بینی می‌کنید و سیستم‌های پیشنهاددهنده برای فیلم‌ها و سخنرانی‌های TED می‌سازید. در پایان، می‌تونید ویژگی‌های مهم رو از انواع متن استخراج و مهندسی کنید و از اون‌ها برای حل مسائل مختلف علم داده استفاده کنید.
یاد می‌گیرید چطور ویژگی‌های پایه متن مثل تعداد کلمات، تعداد کاراکترها، میانگین طول کلمات و تعداد کاراکترهای خاص مثل هشتگ‌ها و منشن‌های توییتر رو محاسبه کنید. همچنین با محاسبه امتیازهای خوانایی آشنا می‌شید و یاد می‌گیرید سطح تحصیلات موردنیاز برای درک یک متن رو تخمین بزنید.
در این بخش، با توکن‌سازی آشنا می‌شید. بعد یاد می‌گیرید چطور با استفاده از کتابخونه SpaCy، متن رو پاک‌سازی کنید، برچسب‌گذاری نقش دستوری انجام بدید و موجودیت‌های نام‌دار رو تشخیص بدید. بعد از تسلط روی این مفاهیم، متن سخنرانی گتیسبورگ رو برای پردازش ماشینی آماده می‌کنید، نحوه استفاده از اسم‌ها در اخبار جعلی رو بررسی می‌کنید و افراد نام‌برده‌شده در یک مقاله TechCrunch رو شناسایی می‌کنید.
با مدل‌سازی n-گرام آشنا می‌شید و یاد می‌گیرید چطور از اون برای تحلیل احساسات نقدهای فیلم استفاده کنید.
یاد می‌گیرید چطور وزن‌های TF-IDF و امتیاز شباهت کسینوسی بین دو بردار رو محاسبه کنید. بعد از این مفاهیم برای ساخت سیستم‌های توصیه‌گر فیلم و TED Talk استفاده می‌کنید. در پایان هم با embeddingهای کلمه آشنا می‌شید و با استفاده از نمایش برداری واژه‌ها، شباهت بین چند آهنگ مختلف از پینک فلوید رو محاسبه می‌کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.