دوره آموزشی راهنمای کامل NLP با R

دوره آموزشی راهنمای کامل NLP با R

5 ساعت 5 دقیقهپیشرفته2024-08-01

مدرسین

Mark Niemann-Ross

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

مقدمه

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

بالا و در حال اجرا با tm

  • tm چیست و چرا به آن نیاز دارید
  • NLP دنیای واقعی با tm
  • NLP دنیای واقعی با کوانتدا
  • NLP دنیای واقعی با متن مرتب

Corpora و منابع

  • شناخت مجموعه‌ها و منابع
  • بررسی اجسام
  • بررسی منابع
  • منابع سفارشی
  • ترکیب و زیرمجموعه کردن پیکره ها

کار با NLP Metadata

  • کار با ابرداده سند
  • ابرداده‌های مفید بسازید
  • یافتن و فیلتر بر اساس فراداده

پیش پردازش متن در آماده سازی برای NLP

  • دگرگونی ها
  • کلمات را متوقف کنید
  • ساقه
  • کلمه نویسی
  • نشانه گذاری
  • N-گرم
  • بخشی از برچسب زدن گفتار

داده‌های ساخت یافته ایجاد کنید

  • درک ماتریس سند-ترم
  • ماتریس سند-ترم را ایجاد کنید
  • وزن دهی ماتریس سند-ترم
  • ماتریس سند-ترم را متمرکز کنید

آمار را روی متن اعمال کنید

  • فراوانی ورد و سند
  • خوشه بندی سلسله مراتبی
  • اصطلاحات مرتبط

تجزیه‌و‌تحلیل احساسات

  • تحلیل احساسات چیست
  • نمونه دنیای واقعی تحلیل احساسات
  • مجموعه داده‌های احساسات
  • ابزار احساسات

تجسم پردازش زبان طبیعی

  • ترسیم متن کاوی
  • رسم قانون Zipf و Heap s
  • ابرهای کلمه

نتیجه گیری

  • مراحل بعدی شما در NLP

مقدمه ای بر NLP Tidytext R

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

استفاده از Tidytext برای NLP

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

نتیجه گیری

  • مراحل بعدی

مقدمه ای بر NLP با Quanteda R

  • به پردازش زبان طبیعی با R خوش آمدید
  • مهارت‌ها و ابزار مورد نیاز

شروع کار با Quanteda

  • مقدمه ای بر کوانتدا
  • quanteda را نصب کنید

درک Corpora

  • یک پیکره کوانتدا ایجاد کنید
  • ایجاد ابرداده با docvars
  • زیر مجموعه‌ها و گروه‌های بدنه
  • یک پیکره را تغییر شکل داده و بخش بندی کنید
  • خطوط را از یک مجموعه حذف کنید

درک توکن ها

  • پیکر و نشانه
  • نشانه‌ها و کلمات توقف را حذف کنید
  • توکن‌های گروهی
  • ساقه با نشانه

درک ماتریس سند-ویژگی (DFM)

  • Corpus، نشانه‌ها و DFM
  • یک DFM ایجاد و اصلاح کنید
  • تجزیه‌و‌تحلیل دنیای واقعی با DFM

تجزیه‌و‌تحلیل و تجسم

  • بسته quanteda textstats
  • آمار متنی در دنیای واقعی با آمار متنی
  • بسته احساسی کوانتدا را درک کنید
  • تحلیل احساسات دنیای واقعی با احساسات کوانتدا
  • تجسم با نمودار متنی
  • از dplyr با کوانتدا استفاده کنید

نتیجه گیری

  • مراحل بعدی شما در NLP

پروژه Capstone

  • معرفی پروژه
  • توضیح پروژه
۱۰۰,۰۰۰ تومان