مقدمه

سلام!

قالب کوئرا کالج

سیستم امتیازدهی و دریافت گواهی

آماده‌سازی محیط توسعه

گوگل کولب (Google Colab)

محیط VS Code

مقدمه‌ای بر پردازش زبان طبیعی

پردازش زبان طبیعی چیست؟

هدف‌ و کاربرد‌های پردازش زبان طبیعی

مفاهیم پایه‌ای در زبان طبیعی

چالش‌های پردازش زبان طبیعی (اختیاری)

چالش‌های مدل‌های زبانی چندگانه

مروری بر تاریخچه پردازش زبان طبیعی

کار با رشته‌ها در پایتون

رشته در پایتون

عملیات رشته‌ها

رمز قوی

دست‌کاری رشته‌ها

مروری بر کار با فایل

کار با فایل‌های متنی

تجزیه و تحلیل

عبارات منظم (Regex)

عبارت منظم چیست؟

عبارات منظم در پایتون

متاکاراکترها

کمی‌سازها

گروه‌بندی

کوییز ۱

توابع پرکاربرد در ماژول re

کوییز ۲

کارآگاه منظم

پیش‌پردازش متن با NLTK

شروع به کار

توکن‌‌سازی

کلمات توقف

برچسب‌گذاری نقش کلمات

Stemming

Lemmatization

کوییز

تجسم داده‌های متنی

تمرین

بازنمایی آماری متن

معرفی کلی بازنمایی آماری متن

بازنمایی وان هات (One-Hot)

بازنمایی کیسه کلمات (BoW)

بازنمایی TF-IDF

مقایسه‌ی روش‌های بازنمایی

روش‌های بازنمایی در عمل

پروژه‌ ۱

آشنایی با تحلیل متون انگلیسی

پردازش متن حرفه‌ای‌تر

چرا spaCy

نصب spaCy و مدل‌های زبان آن

توکن‌‌سازی براساس کلمه در spaCy

توکن‌‌سازی براساس کاراکتر

توکن‌سازی بر اساس زیر کلمه

لوله کشی در spaCy

کوییز توکن‌سازی

کاوش در کتابخانه زندگی

مدل‌سازی

مدل‌سازی چیست؟

بیز ساده‌لوحانه

تکنیک‌های مرتبط با بیز ساده‌لوحانه

معیارهای ارزیابی

مقدمه‌ای بر مدل‌های زبانی (Language Models)

مدل آماری N-Gram

مولد زبانی برای تولید متن

پروژه ۲

تولید خودکار جملات

تعبیه‌ی متن

مقدمه‌ای بر تعبیه‌ی کلمات

مقایسه تعبیه‌ کلمات با روش‌های سنتی نمایش متن

تعبیه‌ی کلمات در پردازش زبان طبیعی

الگوریتم Word2Vec و روش‌های آن

تابع‌های شباهت در پردازش زبان طبیعی

معرفی کتابخانه‌ی Gensim

پیاده سازی Word2Vec در Gensim

ارزیابی مدل ساخته شده به کمک Gensim

تعبیه سازی یک سند

کاربرد‌های تعبیه‌سازی در عملیات‌های یادگیری ماشین

روژان و کلمه گمشده

پروژه ۳

کار با کتابخانه hazm

کاوشگر احساسات

## روند آموزشی کوئرا کالج

امروزه با فراگیر شدن آموزش‌های آنلاین، قالب‌های متعددی برای یادگیری مفاهیم علوم کامپیوتر به‌صورت آنلاین پیاده‌سازی شده است. آموزش آنلاین این مفاهیم، فرصت برنامه‌نویسی به همراه یادگیری را فراهم می‌کند و هم‌چنین انجام تمرین‌های واقعی و استفاده از کتابخانه‌ها و قالب‌های نزدیک به صنعت را تسهیل می‌کند. اما آموزش آنلاین چالش‌هایی نیز به همراه دارد؛ زیرا تعاملی که استاد در سر کلاس با دانشجو دارد و نظمی که جلسات کلاس به یادگیری دانشجو می‌دهد به‌سختی در قالب‌های آموزش آنلاین گنجانده می‌شود.
در کوئرا کالج تلاش کردیم قالبی برای برطرف شدن نیاز تعاملی بودن، نظم، و هم‌چنین کاربردی بودن آموزش آماده کنیم.
در کل، آموزش این دوره متشکل از چندین فصل می‌باشد، که هر فصل شامل تعدادی درسنامه، کوئیز و تمرین است.

## 📖 درسنامه‌ها
پس از مطالعه‌ی هر درسنامه می‌توانید تیک **"خواندم"** آن را بزنید و پیش بروید. در پایین هر درسنامه بخش کامنت‌ها تعبیه شده تا بتوانید پرسش‌ها و نظرات عمومی خود را درباره‌ی درسنامه‌ی مربوطه با سایر شرکت‌کنندگان دوره مطرح کنید.

## 👨‍💻 تمرین‌ها و پروژه‌ها
پس از آشنایی با مفاهیم، نوبت آن است که خودتان دست به کار شوید! شاید هیجان‌انگیز و کمی ترسناک به نظر برسد، اما نترسید! همچنان همراه شما هستیم! 

با پاسخ دادن به سوالات تمرین‌ها و پیاده‌سازی الگوریتم‌ها، دانش خود را تثبیت می‌کنید و با انجام پروژه‌ها به حل مسائل بر روی داده‌های واقعی می‌پردازید و با چالش‌های رایج در فضای صنعت آشنا می‌شوید.

## ❔ آزمون‌ها / کوییزها
در بعضی از فصل‌ها به منظور درک عمیق‌تر مباحث آموخته شده تعدادی آزمون/کوییز چندگزینه‌ای در نظر گرفته شده است. پاسخ شما به آزمون‌ها نیز مشابه با تمرین‌ها توسط سامانه‌ی داوری خودکار *Quera* انجام خواهد گرفت. هرچند که از نظر تعداد ارسال پاسخ محدودیتی نخواهید داشت، با این حال امتیاز آزمون‌ها در مقایسه با تمرین‌ها کمتر در نظر گرفته شده است.

## 🖥 داوری آنلاین
تمرین‌ها و کوئیز‌ها نیز همگی توسط سامانه‌ی داوری خودکار *Quera* تصحیح شده، و پس از ارسال پاسخ، توسط سیستم، نمره‌دهی می‌شود. داوری تمرین ممکن است شامل چندین تست مختلف باشد و سعی شده هنگامی‌که در کسب نمره‌ی کامل یک تست دچار مشکل می‌شوید بازخورد مناسبی توسط سیستم خروجی داده شود.

## 💬 مربی‌گری
ما گام‌به‌گام در طول مسیر این کالج همراهتان هستیم! در صورت وجود هرگونه پرسش یا ابهام و پیشنهاد درباره‌ هر بخشی از این کالج می‌توانید از طریق پیام خصوصی، با مربی‌های کالج در ارتباط باشید. تمام سعی ما بر این است که سوالات شما را حداکثر تا ۲۴ ساعت بعد از پرسش، پاسخ بدهیم.

## 👎🏻👍🏻 بازخورد
در پایین هر تمرین یا هر درسنامه (پس از کلیک روی دکمه‌ی «خواندم») دو دکمه جهت دریافت بازخوردهای شما نمایش داده می‌شود. پس از کلیک بر روی هر کدام از آن‌ها، گزینه‌های بیشتری جهت دریافت دقیق‌تر بازخورد شما نمایش داده می‌شود. ما به‌صورت دوره‌ای بازخوردهای شما را بررسی کرده و با پیدا کردن نقاط قوت و ضعف هر درسنامه یا تمرین نسبت به بهبود آن‌ها اقدام خواهیم کرد. بنابراین خواهشمندیم حتماً دیدگاه‌های خود را با ما در میان بگذارید.

آموزش NLP مقدماتی