Natural Language Processing (4/8)

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Jurafsky Dan.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 0 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 145 مگابایت 

قیمت کتاب (تومان) : 45,000

دانشگاه استنفورد. — Coursera، 2012. — آموزش الکترونیکی (اسلایدهای ویدئویی + پی دی اف) 960x540 / H264 ~ 54 kbps / AAC ~705 / Kbps . این دوره به هفته های مطالعه تقسیم می شود. هفته ها دارای تعداد متفاوتی از موضوعات هستند. اسلایدهای هفته در فایل‌های PDF و ارائه‌های PPTX جمع‌آوری شده‌اند که می‌توان از آنها برای تقویت دانش استفاده کرد. هر قسمت از آرشیو را می توان به طور جداگانه استفاده کرد. این آرشیو حاوی مطالب مربوط به هفته اول است. این دوره طیف وسیعی از موضوعات در پردازش زبان طبیعی را شامل می‌شود، از جمله نشانه‌سازی کلمات و جمله، طبقه‌بندی متن و تحلیل احساسات، تصحیح املا، استخراج اطلاعات، تجزیه، استخراج معنی و پاسخ به سؤال، همچنین نظریه اساسی را از احتمالات، آمار و یادگیری ماشین که برای این رشته حیاتی هستند، معرفی می‌کنیم و الگوریتم‌های اساسی مانند مدل‌سازی زبان n-gram، راه‌های ساده را پوشش می‌دهند. و طبقه‌بندی‌کننده‌های maxent، مدل‌های دنباله‌ای مانند مدل‌های مارکوف پنهان، وابستگی احتمالی و تجزیه مؤلفه‌ها، و مدل‌های فضای برداری معنا. ما این دوره را در زمینه پردازش زبان طبیعی ارائه می‌دهیم. رایگان و آنلاین برای دانش آموزان در سراسر جهان، ادامه حملات هیجان انگیز استنفورد به آموزش آنلاین در مقیاس بزرگ. دانش‌آموزان به ویدیوهای سخنرانی دسترسی دارند، سؤالات مسابقه، تکالیف و امتحانات به آنها داده می‌شود، بازخورد منظمی در مورد پیشرفت دریافت می‌کنند و می‌توانند در یک تالار گفتگو شرکت کنند. کسانی که دوره را با موفقیت به پایان برسانند، بیانیه موفقیت دریافت خواهند کرد. برنامه درسی که توسط پروفسور ژورافسکی و منینگ تدریس می شود، از دوره های استنفورد در پردازش زبان طبیعی استخراج می شود. برای دسترسی به مطالب دوره به یک اتصال اینترنتی مناسب نیاز دارید، اما باید بتوانید ویدیوها را در تلفن هوشمند خود تماشا کنید. لیست دوره ها: هفته 1 - معرفی دوره
هفته 1 - پردازش متن پایه
هفته 1 - ویرایش فاصله
هفته 2 - مدلسازی زبان
هفته 2 - املا تصحیح
هفته 3 - طبقه بندی متن
هفته 3 - تحلیل احساسات
هفته 4 - طبقه بندی کننده های متمایز: حداکثر طبقه بندی کننده های آنتروپی
هفته 4 - شناسایی موجودیت نامگذاری شده و مدل های توالی آنتروپی حداکثر
هفته 4 - استخراج رابطه
هفته 5 - مدل های پیشرفته حداکثر آنتروپی
هفته 5 - برچسب گذاری POS
هفته 5 - مقدمه تجزیه
هفته 5 - گپ مربی
هفته 6 - تجزیه احتمالی
هفته 6 - تجزیه واژگانی
هفته 6 - تجزیه وابستگی (اختیاری)
هفته 7 - بازیابی اطلاعات
هفته 7 - بازیابی اطلاعات رتبه بندی شده
هفته 8 - معناشناسی
هفته هشتم - پاسخ به سوال
هفته هشتم - جمع بندی
هفته 8 - چت مربی دوم

Stanford University. — Coursera, 2012. — eLearning (Video+PDF slides) 960x540 / H264 ~54 kbps / AAC ~705 / Kbps Видеокурс по обработке текстов, написанных на естественных языках. Курс разбит по неделям обучения. Недели содержат разное количество тем. Слайды недели собраны в файлы PDF и презентации PPTX, которыми можно пользоваться для закрепления знаний. Архив разбит по неделям на восемь частей. Каждой частью архива можно пользоваться отдельно. В настоящем архиве материалы первой недели. This course covers a broad range of topics in natural language processing, including word and sentence tokenization, text classification and sentiment analysis, spelling correction, information extraction, parsing, meaning extraction, and question answering, We will also introduce the underlying theory from probability, statistics, and machine learning that are crucial for the field, and cover fundamental algorithms like n-gram language modeling, naive bayes and maxent classifiers, sequence models like Hidden Markov Models, probabilistic dependency and constituent parsing, and vector-space models of meaning. We are offering this course on Natural Language Processing free and online to students worldwide, continuing Stanford's exciting forays into large scale online instruction. Students have access to screencast lecture videos, are given quiz questions, assignments and exams, receive regular feedback on progress, and can participate in a discussion forum. Those who successfully complete the course will receive a statement of accomplishment. Taught by Professors Jurafsky and Manning, the curriculum draws from Stanford's courses in Natural Language Processing. You will need a decent internet connection for accessing course materials, but should be able to watch the videos on your smartphone. Courses list: Week 1 - Course Introduction
Week 1 - Basic Text Processing
Week 1 - Edit Distance
Week 2 - Language Modeling
Week 2 - Spelling Correction
Week 3 - Text Classification
Week 3 - Sentiment Analysis
Week 4 - Discriminative classifiers: Maximum Entropy classifiers
Week 4 - Named entity recognition and Maximum Entropy Sequence Models
Week 4 - Relation Extraction
Week 5 - Advanced Maximum Entropy Models
Week 5 - POS Tagging
Week 5 - Parsing Introduction
Week 5 - Instructor Chat
Week 6 - Probabilistic Parsing
Week 6 - Lexicalized Parsing
Week 6 - Dependency Parsing (Optional)
Week 7 - Information Retrieval
Week 7 - Ranked Information Retrieval
Week 8 - Semantics
Week 8 - Question Answering
Week 8 - Summarization
Week 8 - Instructor Chat II