×
۴۹,۰۰۰ تومان تا ۱۵۰ هزار تومان تخفیف

آموزش پردازش زبان های طبیعی (NLP) در پایتون (Python) با پلتفرم NLTK

آموزش پردازش زبان های طبیعی (NLP) در پایتون (Python) با پلتفرم NLTK

تعداد دانشجو
۲,۱۰۶ نفر
مدت زمان
۷ ساعت و ۱۲ دقیقه
هزینه عادی آموزش
۴۹,۰۰۰ تومان
در طرح تخفیف
تا ۱۵۰ هزار تومان تخفیف (کسب اطلاعات بیشتر +)
محتوای این آموزش
تضمین کیفیت
۱۳ بازخورد (مشاهده نظرات)
آموزش پردازش زبان های طبیعی (NLP) در پایتون (Python) با پلتفرم NLTK

برای پردازش زبان های طبیعی، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم، البته شایان ذکر است که این درس با عنوان مبانی پردازش زبان و گفتار برای دانشجویان کامپیوتر در برخی از دانشگاه ها ارائه می گردد ولی از آن جا که بیشتر به صورت تئوری ارائه می شود و منبع فارسی عملی نیز برای آن وجود ندارد بر آن شدیم که این درس را ارائه دهیم.

آموزش پردازش زبان های طبیعی (NLP) در پایتون (Python) با پلتفرم NLTK

مدت زمان
۷ ساعت و ۱۲ دقیقه
هزینه عادی آموزش
۴۹,۰۰۰ تومان
در طرح تخفیف
تا ۱۵۰ هزار تومان تخفیف

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۳ بازخورد (مشاهده نظرات)
مدرس
احسان یزدانی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات (IT) - معماری سازمانی

احسان یزدانی دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش معماری سازمانی از دانشگاه شهید بهشتی هستند. ایشان از بنیان گذاران و دبیران همایش های مختلف علمی از جمله AndDev 2017 و مسابقات برنامه نویسی دانشگاهی بوده اند. از فعالیت های ایشان می توان به برگزاری چندین دوره کلاس حل تمرین در دوره کارشناسی، کارشناسی ارشد و مدیریت شرکت فناوران صور رایانه که یکی از پیشروان در صنعت IT است، نیز اشاره کرد.

چکیده آموزش


توضیحات تکمیلی

بی شک در طول تاریخ معاصر، دو اتفاق بسیار مهم و تاثیرگذار در زندگی انسان ها روی داده است که اولین آن انقلاب صنعتی بود که باعث استفاده از نیروی کار ماشین ها به جای انسان ها شد و دومین اتفاق، گسترش ارتباطات و انفجار اطلاعات بود به نحوی که قرن ۲۱ را قرن ارتباطات و اطلاعات نامیدند، اما اتفاق دوم با همه فواید، معایبی را نیز همراه داشت که می توان به سردرگم شدن کاربران در این حجم زیاد اطلاعات و گسترش اطلاعات نادرست، اشاره کرد.

راهکار علم کامپیوتر برای حل این مساله استفاده از کامپیوترها برای پردازش این حجم از اطلاعات و ارائه اطلاعات مفید تر بود. احتمالا با هرم دانش، آشنایی دارید. براساس این هرم، کاری که کامپیوتر انجام می دهد گرفتن داده ها و تبدیل آن ها به اطلاعات مفید است. همان طور که می دانید داده ها را در بستر وب می توان به فرم های متن، تصویر، صوت یا ویدئو مشاهده نمود ولی از آن جا که بیشتر این داده ها به صورت متن هستند در این فرادرس به پردازش زبان های طبیعی می پردازیم.

برای این پردازش، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم، البته شایان ذکر است که این درس با عنوان مبانی پردازش زبان و گفتار برای دانشجویان کامپیوتر در برخی از دانشگاه ها ارائه می گردد ولی از آن جا که بیشتر به صورت تئوری ارائه می شود و منبع فارسی عملی نیز برای آن وجود ندارد بر آن شدیم که این درس را ارائه دهیم.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: معرفی آموزش
  • درس دوم: آشنایی اولیه با پایتون (Python)
    • نصب ابزارهای مورد نیاز
    • متغیرها در پایتون
    • ساختمان داده ها در پایتون (لیست، تاپل، دیکشنری و ست)
    • ساختارهای کنترلی
    • توابع
    • شی گرایی
  • درس سوم: آشنایی با پردازش زبان های طبیعی
    • مشکلات و مسائل پردازش زبان های طبیعی
    • روش های اندازه گیری دقت سیستم های پردازش زبان طبیعی
  • درس چهارم: توکن بندی (Token)
    • Segmentation
    • Word Tokenization
    • Training Word Tokenizer
  • درس پنجم: عبارات منظم
    • آشنایی با قواعد عبارات منظم
    • استفاده از عبارات منظم در پردازش زبان های طبیعی
  • درس ششم: پاک سازی و نرمال سازی متن
    • Stop words
    • Stemming
  • درس هفتم: وردنت (WordNet)
    • Synset
    • Lemma
    • محاسبه شباهت بین کلمات
  • درس هشتم: فاصله ویرایشی و تصحیح خطاهای املایی
    • محاسبه فاصله ویرایشی
    • تصحیح خطاهای املایی
    • حذف حروف تکراری و اضافی کلمات
  • درس نهم: پیکره ها (Corpus)
    • آشنایی با انواع پیکره ها
    • ساخت و استفاده از پیکره ها
  • درس دهم: مدل های زبانی یا n-gram
    • کاربرد مدل های زبانی
  • درس یازدهم: تحلیل نحوی (Part of speech tagging)
  • درس دوازدهم: Hazm در ویندوز (Windows) و لینوکس (Linux)
  • درس سیزدهم: طبقه بندی متن (Text classification)
    • Bag of words
    • Naive Bayes
    • استفاده از درخت تصمیم
  • درس چهاردهم: پردازش احساسات (Sentiment analysis)
    • استفاده از کلمات هم معنی
    • استفاده از نفی به جای کلمات متضاد

مفید برای رشته های
  • مهندسی کامپیوتر
  • هوش مصنوعی

پیش نیاز


آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Anaconda Python 3.7




پیش نمایش‌ها

۱. معرفی آموزش

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

۲. آشنایی اولیه با پایتون

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۵ مگابایت -- (کلیک کنید +))

۳. آشنایی با پردازش زبان ‌های طبیعی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۹ مگابایت -- (کلیک کنید +))

۴. توکن ‌بندی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

۵. عبارات منظم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. پاک ‌سازی و نرمال‌ سازی متن
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. وردنت (WordNet)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. فاصله ویرایشی و تصحیح خطاهای املایی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. پیکره ‌ها (Corpus)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. مدل‌ های زبانی یا n-gram
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. تحلیل نحوی (Part of speech tagging)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۲. Hazm در ویندوز و لینوکس
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۳. طبقه ‎بندی متن (Text classification)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۴. پردازش احساسات (Sentiment Analysis)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۴۷ جلسه ویدئویی با مجموع ۷ ساعت و ۱۲ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش پردازش زبان های طبیعی (NLP) در پایتون (Python) با پلتفرم NLTK
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۷۲۰۸ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVPHT9701
مدت زمان ۷ ساعت و ۱۲ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۶۹۱ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.





نظرات

تا کنون ۲,۱۰۶ نفر از این آموزش استفاده کرده اند و ۱۳ نظر ثبت شده است.
محمد رضا
محمد رضا

آموزش خوبی نبود مطالب بسیار گذری و سطحی بیان شد

محمد
محمد

دوره بسیار خوبی بود، تسلط مدرس بسیار خوب، سرعت تدریس کمی بالا، بهتر است چند دوره پیشرفته با انجام پروژه عملی مثلاً در زمینه کاربردهای آکادمیک یا کاربردهای تحلیل احساسات به زبان فارسی ارائه شود.

مصطفی
مصطفی

سلام.
بابت آموزش خیلی ممنون هستم. اجازه بدین چند تا نکته هم بیان کنم. بخش های مختلفی از اجزای مربوط به NLTK بیان شد و به خوبی هم توضیح داده شد. اما به نظر میرسید مدرس برای آموزش عجله داره و حداقل من به عنوان بیننده نتونستم این اجزای مختلف و پراکنده ای که به خوبی آموزش داده شدن رو کنار هم بذارم و بفهمم برای انجام یک پروژه واقعی هرکدوم از این اجزای مختلف چطور و چرا و کجا باید استفاده بشن. البته در انتها یه نمونه تقریبا کاربردی اما مختصر هم وجود داشت که مدرس در بیان اون هم عجله داشت و انگار حتی به پیشنهاد فرادرس خیلی سریع ضبط شده و در آموزش کنجونده شده بود.
در هر صورت خیلی ممنون. کار جدیدی هست و جای کار هم بسیار دارد.
ممنون فرادرس و مدرس محترم.

خلیل
خلیل

بسیار عالی. هم محتوا و هم سبک ارائه

محمد
محمد

موضوع خوبی داشت و از این جهت که پروژه محور بود، خیلی مفید بود.

سمانه
سمانه

آموزش روان و خوبی بود

ایمان
ایمان

با سلام
محتوای آموزشی مناسبی تهیه شده است و مطالب مفیدی ارائه شده اند.

بنیامین
بنیامین

از این تیپ آموزش ها هر جایی پیدا نمیشه، به نظرم خیلی جالب بود.

آمنه
آمنه

آموزش خیلی خوب بود با مثال و در محیط برنامه نویسی تدریس می کردند و خطاها را در همان جا برطرف می کردند که این باعث میشد با خطاها نیز اشنا شویم

میثم
میثم

سلام
آموزش خوبی بود.
اگر می‌شود خوشه بندی و یک مثال عملی از اون رو هم ارائه بدید.
متشکرم

برچسب‌ها:
Corpus | n-gram | NLTK | Polarity Lexicon | python | Sentiment analysis | WordNet | ابزار NLTK | انواع پیکره | پردازش احساس در متن | پردازش زبان های طبیعی | پردازش زبان های طبیعی با ابزار NLTK | تصحیح خطاهای املایی | توکن بندی | درخت تصمیم | روش های اندازه گیری دقت در پایتون | روش های برچسب گذاری | زبان برنامه نویسی پایتون (Python) | ساخت پیکره در پایتون | ساختمان داده ها در پایتون | شکلات پردازش زبان های طبیعی | شی گرایی در پایتون | عبارات منظم در پردازش زبان های طبیعی | فاصله ویرایشی | قواعد عبارات منظم | کاربرد مدل های زبانی | متدنویسی در پایتون | محاسبه فاصله ویرایشی | مدل های زبانی | نرمال سازی متن در پایتون | هوش ماشین | هوش مصنوعی با پایتون
مشاهده بیشتر مشاهده کمتر

×
فهرست جلسات ۴۷ جلسه ویدئویی