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
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