در این مطلب، ویدئو مقدمه | آموزش NLP برای مبتدیان در پایتون – 1 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:10:07
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,240 –> 00:00:02,240
من بسیار هیجان زده هستم که امروز
2
00:00:02,240 –> 00:00:04,640
شروع پردازش زبان طبیعی
3
00:00:04,640 –> 00:00:07,440
در لیست پخش آموزش پایتون را اعلام
4
00:00:07,440 –> 00:00:09,120
کنم. قبلاً لیست پخش
5
00:00:09,120 –> 00:00:10,559
آموزش ماشینی و یادگیری عمیق را به
6
00:00:10,559 –> 00:00:13,360
همراه پروژه های پایان به انتها
7
00:00:13,360 –> 00:00:15,599
در کانال یوتیوب خود بارگذاری کرده بودم که
8
00:00:15,599 –> 00:00:18,080
بیش از 2 میلیون بازدید داشت و نه تنها
9
00:00:18,080 –> 00:00:20,640
مردم از آن بازدید کردند. قادر به درک
10
00:00:20,640 –> 00:00:23,680
موضوعات پیچیده با استفاده از توضیحات بسیار ساده و شهودی
11
00:00:23,680 –> 00:00:26,000
بودند، اما آنها می توانستند
12
00:00:26,000 –> 00:00:29,279
روی پروژه های پایان به انتها تمرین
13
00:00:29,279 –> 00:00:31,679
کنند و بسیاری از آنها شغل
14
00:00:31,679 –> 00:00:34,079
15
00:00:34,079 –> 00:00:36,719
پیدا کردند.
16
00:00:36,719 –> 00:00:38,879
یک نظرسنجی در کانال خود انجام دادم
17
00:00:38,879 –> 00:00:40,640
در مورد اینکه کدام سریال بعدی را باید کار کنم
18
00:00:40,640 –> 00:00:43,440
اکثریت قریب به اتفاق شما
19
00:00:43,440 –> 00:00:45,200
پیشنهاد کردید nlp
20
00:00:45,200 –> 00:00:47,200
چهار نکته اصلی در
21
00:00:47,200 –> 00:00:50,239
کل این لیست پخش
22
00:00:50,239 –> 00:00:53,760
23
00:00:53,760 –> 00:00:55,920
24
00:00:55,920 –> 00:00:57,840
وجود خواهد داشت. شبکه عصبی کانولوشن
25
00:00:57,840 –> 00:01:01,199
و ویدیوی من را خواهید دید که در آن از
26
00:01:01,199 –> 00:01:04,159
نمایش بصری برای توضیح موضوع بسیار
27
00:01:04,159 –> 00:01:06,479
پیچیده استفاده کردم c به گونه ای که حتی یک
28
00:01:06,479 –> 00:01:08,320
دانش آموز دبیرستانی نیز می تواند آن را
29
00:01:08,320 –> 00:01:10,479
به راحتی با تماشای آن ویدیو درک کند،
30
00:01:10,479 –> 00:01:12,400
شما یک نگاه اجمالی به این خواهید داشت که چه نوع
31
00:01:12,400 –> 00:01:15,439
ارائه هایی را می توانید از این سری آموزشی خاص انتظار داشته باشید،
32
00:01:15,439 –> 00:01:17,600
33
00:01:17,600 –> 00:01:19,920
نکات برجسته شماره دو، کدنویسی عملی زیادی خواهد بود
34
00:01:19,920 –> 00:01:22,880
و تمرینهای
35
00:01:22,880 –> 00:01:24,560
برجسته شماره سه
36
00:01:24,560 –> 00:01:27,840
پروژههای سرتاسری خواهند بود، بنابراین ما یک مشکل صنعتی واقعی را در نظر میگیریم
37
00:01:27,840 –> 00:01:30,320
و یک برنامه کاربردی
38
00:01:30,320 –> 00:01:31,680
انتها به انتها
39
00:01:31,680 –> 00:01:35,280
در nlp همراه با استقرار
40
00:01:35,280 –> 00:01:37,280
در فضای ابری ایجاد
41
00:01:37,280 –> 00:01:39,600
میکنیم و چهارمین نکته برجسته، صحبتهای تخصصی خواهد بود.
42
00:01:39,600 –> 00:01:40,720
43
00:01:40,720 –> 00:01:42,479
دوستانی
44
00:01:42,479 –> 00:01:44,240
که به عنوان دانشمند داده
45
00:01:44,240 –> 00:01:46,240
یا مهندس
46
00:01:46,240 –> 00:01:48,320
nlp در صنعت در ایالات متحده
47
00:01:48,320 –> 00:01:51,840
و هند کار می کنند و من می خواهم آنها را دعوت کنم
48
00:01:51,840 –> 00:01:54,640
تا در مورد موضوعات مختلف یا نحوه
49
00:01:54,640 –> 00:01:56,640
استفاده از nlp در صنعت بحث کنند تا
50
00:01:56,640 –> 00:01:59,520
شما فقط موضوعات آکادمیک را یاد نگیرید.
51
00:01:59,520 –> 00:02:02,159
و فقط با تمرین روی چند
52
00:02:02,159 –> 00:02:04,320
نمونه اسباببازی ساختگی، اما
53
00:02:04,320 –> 00:02:07,280
احساس میکنید در این صنعت چه میگذرد،
54
00:02:07,280 –> 00:02:09,199
میخواهم تشکر ویژهای از
55
00:02:09,199 –> 00:02:11,200
نویسندگان کتاب عملی پردازش زبان طبیعت داشته باشم،
56
00:02:11,200 –> 00:02:12,480
57
00:02:12,480 –> 00:02:14,560
زیرا برخی از محتوای موجود در این
58
00:02:14,560 –> 00:02:16,560
لیست پخش تحت تأثیر
59
00:02:16,560 –> 00:02:18,319
این کتاب قرار می گیرد من این کتاب را خوانده ام این یک
60
00:02:18,319 –> 00:02:20,239
کتاب شگفت انگیز nlp
61
00:02:20,239 –> 00:02:22,720
است که نکات کاربردی زیادی در مورد نحوه
62
00:02:22,720 –> 00:02:25,440
ساختن سیستم nlp از انتها تا انتها برای حل
63
00:02:25,440 –> 00:02:27,760
موارد مختلف استفاده در صنعت
64
00:02:27,760 –> 00:02:30,080
دو نویسنده این کتاب دارد. در
65
00:02:30,080 –> 00:02:32,319
کانال اصلی یوتیوب anuj gupta
66
00:02:32,319 –> 00:02:34,080
که رئیس یادگیری ماشین در
67
00:02:34,080 –> 00:02:36,480
68
00:02:36,959 –> 00:02:39,599
vahan یک محقق فیس بوک است که در
69
00:02:39,599 –> 00:02:41,920
کالیفرنیا در ایالات متحده آمریکا کار می کند،
70
00:02:41,920 –> 00:02:44,319
این افراد متخصص هستند و می دانند
71
00:02:44,319 –> 00:02:46,080
در مورد چه چیزی صحبت می کنند
72
00:02:46,080 –> 00:02:49,360
و من این کتاب را به
73
00:02:49,360 –> 00:02:51,599
همه کسانی که علاقه مند هستند توصیه می کنم. در nlp، این
74
00:02:51,599 –> 00:02:53,360
یک ویدیوی حمایتشده نیست، به هر حال، این
75
00:02:53,360 –> 00:02:55,840
بازخورد واقعی من است، پیوند
76
00:02:55,840 –> 00:02:58,000
کتاب در توضیح ویدیوی زیر است،
77
00:02:58,000 –> 00:03:00,959
اکنون دقیقاً nlp چیست، میخواهم
78
00:03:00,959 –> 00:03:04,319
موارد استفاده واقعی را به شما نشان دهم که
79
00:03:04,319 –> 00:03:07,360
nlp روی شما تأثیر میگذارد و با نگاه کردن به
80
00:03:07,360 –> 00:03:09,840
موارد استفاده، متوجه خواهیم شد
81
00:03:09,840 –> 00:03:11,280
که
82
00:03:11,280 –> 00:03:13,599
nlp اولین مورد استفاده Gmail است، وقتی در حال
83
00:03:13,599 –> 00:03:16,879
تایپ هر جمله ای در جیمیل خود هستید
84
00:03:16,879 –> 00:03:18,720
، متوجه خواهید شد که سعی می کند به
85
00:03:18,720 –> 00:03:21,120
طور خودکار تکمیل شود، ببینید اینجا می گوید اگر تغییر
86
00:03:21,120 –> 00:03:23,920
کرد در آینده و این تکمیل خودکار
87
00:03:23,920 –> 00:03:26,959
با استفاده از nlp انجام می شود، مورد استفاده استاندارد دیگر
88
00:03:26,959 –> 00:03:29,200
فیلترهای اسپم است
89
00:03:29,200 –> 00:03:30,319
اگر
90
00:03:30,319 –> 00:03:32,560
این ایمیل ها فیلترهای اسپم نداشتند،
91
00:03:32,560 –> 00:03:34,959
پس شما بسیار نگران
92
00:03:34,959 –> 00:03:38,080
خواهید شد و با این
93
00:03:38,080 –> 00:03:40,640
بمباران انواع هرزنامه های تجاری دچار سردرد خواهید شد.
94
00:03:40,640 –> 00:03:42,319
اما
95
00:03:42,319 –> 00:03:45,440
خوشبختانه با استفاده از nlp می توانید آنها را فیلتر کنید
96
00:03:45,440 –> 00:03:46,400
و می
97
00:03:46,400 –> 00:03:49,680
توانید آنها را از صندوق ورودی خود خارج کنید و در nlp
98
00:03:49,680 –> 00:03:52,400
آنها از این کلمات کلیدی استفاده می کنند
99
00:03:52,400 –> 00:03:54,640
، ایمیل های هرزنامه
100
00:03:54,640 –> 00:03:56,239
مواردی مانند
101
00:03:56,239 –> 00:03:58,799
عجله کنید که پیشنهاد به پایان می رسد و شما
102
00:03:58,799 –> 00:04:01,840
یک جایزه و همه این مزخرفات می خواهید بنابراین
103
00:04:01,840 –> 00:04:05,120
بر اساس برخی موارد از جمله این اصطلاحات و با استفاده از
104
00:04:05,120 –> 00:04:06,480
برخی از مدلهای طبقهبندی مبتنی بر یادگیری ماشینی
105
00:04:06,480 –> 00:04:08,159
106
00:04:08,159 –> 00:04:10,799
میتوانید پیامهای هرزنامه را فیلتر
107
00:04:10,799 –> 00:04:12,879
کنید، مورد استفاده دیگر ترجمه زبان است
108
00:04:12,879 –> 00:04:14,720
که
109
00:04:14,720 –> 00:04:16,560
میتوانید از
110
00:04:16,560 –> 00:04:18,478
جایی که با استفاده از Google translate میتوانید
111
00:04:18,478 –> 00:04:21,759
تقریباً یک جمله را
112
00:04:21,759 –> 00:04:24,320
به زبانی به زبان دیگر با
113
00:04:24,320 –> 00:04:26,560
دقت بسیار بالا ترجمه کنید. سالها پیش امکانپذیر
114
00:04:26,560 –> 00:04:28,720
نبود، اما امروزه این
115
00:04:28,720 –> 00:04:32,400
مترجمان بسیار خوب هستند
116
00:04:32,400 –> 00:04:34,960
، مورد استاندارد دیگر استفاده از
117
00:04:34,960 –> 00:04:37,120
صفحه چت خدمات مشتری است، بنابراین امروزه اگر شما
118
00:04:37,120 –> 00:04:39,840
هستید هر سرویسی مثلا بانک
119
00:04:39,840 –> 00:04:41,680
را بخوانید و به سرویس چت آنها بروید
120
00:04:41,680 –> 00:04:44,639
پیامی را تایپ می کنید و بارها
121
00:04:44,639 –> 00:04:48,080
هیچ انسانی وجود ندارد، از طرف دیگر
122
00:04:48,080 –> 00:04:50,800
صفحه چت می تواند زبان شما را تفسیر
123
00:04:50,800 –> 00:04:52,720
کند و
124
00:04:52,720 –> 00:04:55,280
می تواند هدف شما را از آن منتج کند.
125
00:04:55,280 –> 00:04:56,560
آن می
126
00:04:56,560 –> 00:04:59,120
تواند به خودی خود به سؤال شما پاسخ دهد و
127
00:04:59,120 –> 00:05:01,600
گاهی اوقات وقتی خوب کار
128
00:05:01,600 –> 00:05:03,199
نمی کند آن را به انسان ها متصل می کنند بنابراین
129
00:05:03,199 –> 00:05:06,000
چت بات ها به یک مورد استفاده بزرگ در nlp تبدیل
130
00:05:06,000 –> 00:05:07,280
131
00:05:07,280 –> 00:05:09,680
می شوند و استاندارد
132
00:05:09,680 –> 00:05:12,639
دیگر دستیارهای صوتی مانند amazon
133
0