| 1 |
مفهوم و فرآیند متن کاوی و ارتباط آن با پردازش زبان طبیعی مثال تعبیه کلمات |
|
| 2 |
آشنایی با NLP، آموزش HTML |
|
| 3 |
عبارات با قاعده، آشنایی با bs4 |
|
| 4 |
منابع کسب داده‌ها، استخراج متن، پیش پردازش و تمیزسازی داده‌ها |
|
| 5 |
کتابخانه NLTK، توکن‌بندی متن،اصلاح گرامر، ریشه‌یاب، بن واژه‌یاب و حذف کلمات توقف |
|
| 6 |
کتابخانه SpaCy، روشهای طبقه‌بندی داده‌ها، روشهای ارزیابی طبقه‌بندها |
|
| 7 |
خط لوله، استخراج ویژگی، مدلسازی، شیوه‌های سنتی و جدید طبقه‌بندی داده‌های متنی |
|
| 8 |
نمایش داده‌ها در فضای برداری فاصله و شباهت بردارها،شباهت کسینوسی One-Hot Encoding, BoW, N-Grams |
|
| 9 |
TF-IDF, TfidfVectorizer |
|
| 10 |
مدلهای تعبیه کلمات کتابخانه Gensim |
|
| 11 |
مصورسازی داده‌ها- t-SNE LSA |
|
| 12 |
نظرکاوی و تحلیل احساسات |
|
| 13 |
SVM, Bayes, CM |
|
| 14 |
مدل زبانی |
|
| 15 |
خوشه‌بندی داده‌های متنی |
|
| 16 |
تشخیص پیوند کتابشناختی |
|
| 17 |
خزنده وب |
|
| 18 |
روشهای رتبه‌بندی صفحات وب |
|
| 19 |
بررسی تکلیف‌های عملی |
|