مقدمة في معالجة اللغة الطبيعية NLP

103

رقم التدريب 1096

هدف التدريب

مقدمة في في البرمجة اللغوية العصبية والعمل مع النصوص والصور..

ستغطي الدورة المفاهيم الأساسية فى البرمجة اللغوية العصبية والعمل مع النصوص والصور لمعالجة اللغة الطبيعية التقليدية مثل Bag-Of-Words، Word Embeddings. سنغطي أيضًا تقنيات تنظيف النص لإعداد البيانات لنماذج التعلم الآلي. بعد تقديم الأساسيات، سيتعرف المشاركون على مهام البرمجة اللغوية العصبية المختلفة والطريقة التي يجب استخدامها في كل حالة.

فهرس موضوعات التدريب

- مقدمة عن التعلم الآلي
- مقدمة لتطبيقات NLP + NLP
- تنظيف النص
- ميزة الاستخراج باستخدام bag-of-words, TF-IDF, N-grams
- مثال عملي (تصنيف النص)
- كلمة زينة
- مثال عملي مع Word Embeddings
تطبيقات البرمجة اللغوية العصبية الأخرى مع أمثلة عملية:
- تلخيص النص باستخدام TF-IDF
- نمذجة الموضوع
- علامات نقاط البيع
- التعرف على الكيانات المسماة

مخرجات التعلم

- فهم جميع خطوات مشروع البرمجة اللغوية العصبية.
- فهم التحديات في معالجة اللغة الطبيعية
- فهم أساسيات التعلم الآلي في البرمجة اللغوية العصبية.
- القيام بتنظيف والمعالجة المسبقة للبيانات النصية
- تطبيق المعرفة على مهام البرمجة اللغوية العصبية المختلفة

المتطلبات السابقة للتدريب

المؤهلات
خريج جميع تخصصات الحاسب الآلي

المعرفة
من المتوقع أن يكون لدى الحاضرين خلفية تقنية مع معرفة أساسية في البرمجة (أي لغة ولكن يفضل Python).

مستوى الخبرة
يفضل وجود حبرة لا تقل عن سنة في مجال تقنيات الذكاء الاصطناعي أو علوم البيانات أو تطوير التطبيقات.
اللغة
الانجليزية

بالنسبة للأجهزة والأدوات
سيتم استخدام Google Colab لتشغيل الجلسات العملية، وبالتالي، يلزم وجود جهاز كمبيوتر محمول مع وصول عالي السرعة إلى الإنترنت.

الشهادات الإحترافية المتعلقة	لا توجد شهادات احترافية مرتبطة بالدورة التدريبية.
اسم مقدم الدورة	Amir Hussein
خبرات المدرب	Machine Learning Engineer M.Sc. Machine Intelligence American University of Beirut B.Sc. Control Engineering and Instrumentation- University of Khartoum Certificates: Introduction to Deep Learning Pytorch for Natural Language Processing Machine Learning with Python Track Deep Learning Specialization / 5 courses Work Experience: Graduate Research Assistant American University of Beirut: Developed machine learning models for emotion recognition from physiological signals (ECG, EEG, GSR). Developed novel transfer learning approaches for time series data from wearable sensors. AI Education Instructor: Developing and delivering AI educational content with clear learning outcomes