دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل متن آزاد همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل متن آزاد
موضوع کلی: برنامه نویسی
موضوع میانی: Google Cloud Platform (GCP)
📋 سرفصلهای دوره
- 1. مبانی یادگیری ماشین
- 2. مقدمه ای بر پردازش زبان طبیعی (NLP)
- 3. معرفی Google Cloud Platform (GCP)
- 4. مزایای استفاده از GCP برای اپلیکیشن های NLP
- 5. ساختار کلی دوره و پیش نیازها
- 6. تنظیم محیط توسعه GCP
- 7. ایجاد و پیکربندی حساب GCP
- 8. استفاده از Cloud Shell
- 9. مدیریت پروژه ها و منابع در GCP
- 10. مفاهیم اساسی شبکه در GCP (VPC, Subnets)
- 11. اصول امنیتی در GCP (IAM, Roles, Permissions)
- 12. معرفی سرویس های کلیدی GCP برای NLP
- 13. Google Cloud Storage (GCS) برای ذخیره سازی داده ها
- 14. Google Compute Engine (GCE) برای منابع محاسباتی
- 15. Google Kubernetes Engine (GKE) برای ارکستراسیون کانتینرها
- 16. Google Cloud Functions برای محاسبات بدون سرور
- 17. Google Cloud Run برای اجرای کانتینرها
- 18. Google Cloud AI Platform (Vertex AI)
- 19. مقدمه ای بر Vertex AI
- 20. Vertex AI Pipelines
- 21. Vertex AI Workbench
- 22. Vertex AI Training
- 23. Vertex AI Prediction
- 24. Google Cloud Natural Language API
- 25. کاربرد Natural Language API
- 26. تجزیه و تحلیل احساسات (Sentiment Analysis)
- 27. تشخیص موجودیت های نام گذاری شده (Named Entity Recognition - NER)
- 28. تحلیل نحوی (Syntax Analysis)
- 29. برچسب گذاری قسمت گفتار (Part-of-Speech Tagging)
- 30. شناسایی نوع سند (Document Classification)
- 31. پردازش اسناد طولانی با Natural Language API
- 32. محدودیت ها و ملاحظات Natural Language API
- 33. Google Cloud Translation API
- 34. کاربرد Translation API
- 35. ترجمه متن بین زبان ها
- 36. ترجمه اسناد
- 37. مدیریت مدل های ترجمه سفارشی
- 38. Google Cloud Speech-to-Text API
- 39. کاربرد Speech-to-Text API
- 40. تبدیل گفتار به متن
- 41. پشتیبانی از زبان های مختلف
- 42. تنظیمات پیشرفته Speech-to-Text
- 43. Google Cloud Text-to-Speech API
- 44. کاربرد Text-to-Speech API
- 45. تبدیل متن به گفتار
- 46. انتخاب صداهای مختلف
- 47. تنظیمات پیشرفته Text-to-Speech
- 48. استفاده از BigQuery برای تحلیل داده های متنی
- 49. مقدمه ای بر BigQuery
- 50. طراحی اسکیمای جدول برای داده های متنی
- 51. بارگذاری داده های متنی در BigQuery
- 52. پرس و جو (Query) بر روی داده های متنی در BigQuery
- 53. استفاده از توابع BigQuery برای پردازش متن
- 54. تجمیع و تحلیل داده های متنی با BigQuery
- 55. اتصال BigQuery به سرویس های دیگر GCP
- 56. مبانی یادگیری عمیق برای NLP
- 57. شبکه های عصبی بازگشتی (RNN)
- 58. شبکه های حافظه کوتاه مدت طولانی (LSTM)
- 59. شبکه های حافظه کوتاه مدت (GRU)
- 60. شبکه های کانولوشنال (CNN) برای متن
- 61. ترانسفورمرها (Transformers)
- 62. معماری ترانسفورمر
- 63. مکانیزم توجه (Attention Mechanism)
- 64. کاربردهای ترانسفورمرها در NLP
- 65. معرفی کتابخانه Hugging Face Transformers
- 66. نصب و پیکربندی Hugging Face
- 67. استفاده از مدل های از پیش آموزش دیده (Pre-trained Models)
- 68. تنظیم دقیق (Fine-tuning) مدل های ترانسفورمر
- 69. کاربرد Hugging Face در Vertex AI
- 70. ساخت یک اپلیکیشن ساده تحلیل احساسات
- 71. جمع آوری داده های متنی
- 72. پیش پردازش داده ها
- 73. آموزش یک مدل پایه (Baseline Model)
- 74. ارزیابی مدل پایه
- 75. پیاده سازی تحلیل احساسات با Natural Language API
- 76. مقایسه نتایج
- 77. ساخت یک اپلیکیشن تشخیص موجودیت (NER)
- 78. جمع آوری و برچسب گذاری داده های NER
- 79. آموزش یک مدل NER سفارشی
- 80. استفاده از کتابخانه SpaCy برای NER
- 81. پیاده سازی NER با Natural Language API
- 82. مقایسه نته
- 83. ارزیابی مدل های NER
- 84. ساخت یک اپلیکیشن ترجمه متنی
- 85. استفاده از Translation API
- 86. پیاده سازی ترجمه خودکار
- 87. مدیریت خطاها در ترجمه
- 88. ملاحظات مربوط به زبان و فرهنگ
- 89. ساخت یک اپلیکیشن خلاصه سازی متن (Text Summarization)
- 90. معرفی روش های خلاصه سازی (استخراجی و انتزاعی)
- 91. استفاده از مدل های ترانسفورمر برای خلاصه سازی
- 92. پیاده سازی خلاصه سازی با Hugging Face
- 93. ارزیابی کیفیت خلاصه سازی
- 94. ساخت یک اپلیکیشن پاسخ به سوال (Question Answering)
- 95. مقدمه ای بر مدل های QA
- 96. پیاده سازی QA با Hugging Face
- 97. استفاده از مدل های از پیش آموزش دیده QA
- 98. ارزیابی عملکرد مدل QA
- 99. استقرار اپلیکیشن های NLP بر روی GCP
- 100. استقرار مدل ها با Vertex AI Endpoints
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.