دوره آموزشی راهنمای کامل NLP با R

5 ساعت 5 دقیقهپیشرفته2024-08-01

مدرسین

Mark Niemann-Ross

Technologist experienced in hardware, software, and science fiction

جزئیات دوره

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 quanteda 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.

مهارت ها

RStatisticsNatural Language Processing (NLP)AdvancedArtificial Intelligence (AI)Programming LanguagesData ScienceOpen SourceSoftware Development

سرفصل ها

0. مقدمه

01 - به پردازش زبان طبیعی با R خوش آمدید
02 - مهارت‌ها و ابزارهایی که برای موفقیت در این دوره نیاز دارید

1. بالا و در حال اجرا با tm

03 - tm چیست و چرا به آن نیاز دارید
04 - NLP دنیای واقعی با tm
05 - NLP دنیای واقعی با کوانتدا
06 - NLP دنیای واقعی با متن مرتب

2. Corpora و منابع

07 - شناخت مجموعه‌ها و منابع
08 - بررسی اجسام
09 - بررسی منابع
10 - منابع سفارشی
11 - ترکیب و زیرمجموعه کردن پیکره ها

3. کار با NLP Metadata

12 - کار با ابرداده سند
13 - ابرداده‌های مفید بسازید
14 - یافتن و فیلتر بر اساس فراداده

4. پیش پردازش متن در آماده سازی برای NLP

15 - دگرگونی ها
16 - کلمات را متوقف کنید
17 - ساقه
18 - کلمه نویسی
19 - نشانه گذاری
20 - N-گرم
21 - بخشی از برچسب زدن گفتار

5. داده‌های ساخت یافته ایجاد کنید

22 - درک ماتریس سند-ترم
23 - ماتریس سند-ترم را ایجاد کنید
24 - وزن دهی ماتریس سند-ترم
25 - ماتریس سند-ترم را متمرکز کنید

6. آمار را روی متن اعمال کنید

26 - فراوانی ورد و سند
27 - خوشه بندی سلسله مراتبی
28 - اصطلاحات مرتبط

7. تجزیه‌و‌تحلیل احساسات

29 - تحلیل احساسات چیست
30 - نمونه دنیای واقعی تحلیل احساسات
31 - مجموعه داده‌های احساسات
32 - ابزار احساسات

8. تجسم پردازش زبان طبیعی

33 - ترسیم متن کاوی
34 - رسم قانون Zipf و Heap s
35 - ابرهای کلمه

9. نتیجه گیری

36 - مراحل بعدی شما در NLP

10. مقدمه ای بر NLP Tidytext R

37 - به پردازش زبان طبیعی با R خوش آمدید
38 - مهارت‌هایی که برای موفقیت در این دوره به آنها نیاز دارید

11. استفاده از Tidytext برای NLP

39 - چگونه مانند متن مرتب فکر کنیم
40 - یک مثال - محاسبه محبوب ترین اصطلاحات در یک سند
41 - توکن سازی با توکن‌های unnest ( )
42 - کلمات توقف، علائم نگارشی، فضای خالی و اعداد
43 - ساقه زایی و ریشه یابی
44 - فرکانس ترم با bind tf idf( )
45 - تحلیل احساسات با احساسات ( )
46 - بخش‌هایی از گفتار با بخش‌هایی از گفتار ( )
47 - Import و Export از سایر بسته‌های NLP

12. نتیجه گیری

48 - مراحل بعدی

13. مقدمه ای بر NLP با Quanteda R

49 - به پردازش زبان طبیعی با R خوش آمدید
50 - مهارت‌ها و ابزار مورد نیاز

14. شروع کار با Quanteda

51 - مقدمه ای بر کوانتدا
52 - quanteda را نصب کنید

15. درک Corpora

53 - یک پیکره کوانتدا ایجاد کنید
54 - ایجاد ابرداده با docvars
55 - زیر مجموعه‌ها و گروه‌های بدنه
56 - یک پیکره را تغییر شکل داده و بخش بندی کنید
57 - خطوط را از یک مجموعه حذف کنید

16. درک توکن ها

58 - پیکر و نشانه
59 - نشانه‌ها و کلمات توقف را حذف کنید
60 - توکن‌های گروهی
61 - ساقه با نشانه

17. درک ماتریس سند-ویژگی (DFM)

62 - Corpus، نشانه‌ها و DFM
63 - یک DFM ایجاد و اصلاح کنید
64 - تجزیه‌و‌تحلیل دنیای واقعی با DFM

18. تجزیه‌و‌تحلیل و تجسم

65 - بسته quanteda textstats
66 - آمار متنی در دنیای واقعی با آمار متنی
67 - بسته احساسی کوانتدا را درک کنید
68 - تحلیل احساسات دنیای واقعی با احساسات کوانتدا
69 - تجسم با نمودار متنی
70 - از dplyr با کوانتدا استفاده کنید