دوره

پردازش زبان طبیعی با SpaCy

روی قابلیت‌های اصلی SpaCy مسلط بشید و مدل‌هایی برای پردازش زبان طبیعی آموزش بدید. اینجا یاد می‌گیرید چطور از داده‌های بدون ساختار اطلاعات استخراج کنید و الگوهای مختلف رو در متن تشخیص بدید.

پیشرفته
تاریخ به‌روزرسانی:
5 مهر 1405
۴٫۷
پایتون
۴ ساعت
۱۵ ویدیو
۳۸ تمرین
۵۰۱ شرکت‌کننده
۴۴۵
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

کتابخانه SpaCy رو که یکی از کتابخانه‌های استاندارد و پرکاربرد صنعت برای NLP هست، برای تسک‌هایی مثل توکن‌سازی، تجزیه و تشخیص موجودیت نام‌دار یاد بگیرید. روی قابلیت‌های اصلی مسلط بشید، با کلاس‌هایی مثل Doc و Token کار کنید و مدل‌ها رو آموزش بدید. با استفاده از تطبیق الگو، اصطلاحات رو از متن استخراج کنید، مولفه‌های سفارشی برای پایپ‌لاین بسازید و مثال‌های واقعی رو برای پروژه‌های NLP خودتون مدیریت کنید.

همونیه که می‌خواید یاد بگیرید؟

1
مقدمه‌ای بر NLP و SpaCy

در این بخش، با پردازش زبان طبیعی (NLP) و بعضی از کاربردهاش مثل تشخیص موجودیت نام‌دار و چت‌بات‌های مبتنی بر هوش مصنوعی آشنا می‌شید. همچنین یاد می‌گیرید چطور با کتابخانه قدرتمند SpaCy، تسک‌های مختلف پردازش زبان طبیعی مثل توکن‌سازی، بخش‌بندی جمله، برچسب‌گذاری نقش دستوری و تشخیص موجودیت نام‌دار رو انجام بدید.

2
برچسب‌گذاری‌های زبانی و بردارهای واژه در SpaCy

در این بخش، با ویژگی‌های زبانی، بردارهای واژه، شباهت معنایی، قیاس‌ها و عملیات روی بردارهای واژه آشنا می‌شید. یاد می‌گیرید چطور با SpaCy بردارهای واژه رو استخراج کنید، متن‌های مرتبط با یک موضوع مشخص رو دسته‌بندی کنید و از یک پیکره متنی یا واژگان مدل SpaCy، واژه‌هایی با معنای مشابه پیدا کنید.

3
تحلیل داده با SpaCy

با مولفه‌های پایپ‌لاین SpaCy آشنا می‌شید، یاد می‌گیرید چطور یک مولفه جدید به پایپ‌لاین اضافه کنید و ساختار پایپ‌لاین NLP رو بررسی کنید. همچنین با چند روش برای استخراج اطلاعات مبتنی بر قانون آشنا می‌شید و از کلاس‌های EntityRuler و Matcher و PhraseMatcher در SpaCy و رجکس‌ها در پایتون استفاده می‌کنید.

4
شخصی‌سازی مدل‌های SpaCy

با چند کاربرد واقعی آشنا می‌شید که ممکنه مدل‌های SpaCy در اون‌ها عملکرد خوبی نداشته باشن و یاد می‌گیرید چطور با آموزش بیشتر، عملکرد مدل رو بهبود بدید. همچنین با مراحل آموزش در SpaCy آشنا می‌شید و یاد می‌گیرید چطور یک مدل موجود رو دوباره آموزش بدید یا مدلی رو از صفر آموزش بدید و عملکردش رو هنگام استنتاج ارزیابی کنید.

گواهی پایان دوره

  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
corona.json

سوالات متداول

SpaCy برای پردازش سریع و استفاده از مدل‌های ازپیش‌آموزش‌دیده در محیط پروداکشن طراحی شده. در این دوره، روی ابزارهای قدرتمند و استاندارد صنعتی SpaCy برای توکن‌سازی، تجزیه و تشخیص موجودیت نام‌دار تمرکز می‌کنید.

بله. در بخش ۴ یاد می‌گیرید چطور مدل‌های موجود SpaCy رو بیشتر آموزش بدید یا مدل‌هایی رو از صفر آموزش بدید. بعد هم عملکرد اون‌ها رو هنگام استنتاج روی کاربردهای واقعی ارزیابی می‌کنید.

بخش ۳ ابزارهای EntityRuler و Matcher و PhraseMatcher و رجکس‌ها رو برای استخراج اطلاعات مبتنی بر الگو پوشش می‌ده. همچنین یاد می‌گیرید چطور مولفه‌های سفارشی رو به پایپ‌لاین SpaCy اضافه کنید.

برای این دوره، هفت پیش‌نیاز در نظر گرفته شده که از جمله اون‌ها می‌شه به پایتون تکمیلی برای علم داده، کار با داده‌ها در Pandas، یادگیری نظارت‌شده با Scikit-learn و مقدمه‌ای بر آمار در پایتون اشاره کرد.

می‌تونید متن رو توکن‌سازی کنید، برچسب‌گذاری نقش دستوری انجام بدید، موجودیت‌های نام‌دار رو استخراج کنید، بردارهای واژه رو محاسبه کنید، شباهت معنایی رو اندازه بگیرید، پایپ‌لاین‌های سفارشی بسازید و مدل‌های  SpaCy رو آموزش بدید.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.