آموزش متن کاوی با پایتون Python

برای دسترسی به نسخه کامل‌تر آموزش متن کاوی با پایتون Python و دانلود فایلهای همراه آموزش روی لینک زیر کلیک کنید: http://fdrs.ir/nyhf زمان‌بندی ویدئو: 0:00:00 درس ۱: تعاریف و کاربردها 0:09:18 درس ۲: آشنایی با اصطلاحات متن‌کاوی 0:13:29 درس ۳: استخراج و تجزیه متن 0:27:30 درس ۴: نرمال‌سازی متن‌کاوی چیست؟ متن‌کاوی یا Text Mining، یک روش پردازش زبان طبیعی (Natural Language Processing) است که با استفاده از الگوریتم‌های مختلف و تکنیک‌های متنی، اطلاعات مورد نیاز را از متون و سند‌های مختلف استخراج می‌کند. هدف اصلی متن‌کاوی، تحلیل و استخراج اطلاعات و الگوهای پنهان موجود در متون است. اهمیت یادگیری متن‌کاوی با پایتون چیست؟ حدود ۷۵ تا ۸۰ درصد داده‌های موجود در سراسر دنیا، داده‌های متنی هستند. زمانی این داده‌های متنی ارزشمندتر می‌شوند که بتوانیم با متن‌کاوی، آن‌ها را تحلیل کرده و روابط بین داده‌های متنی مختلف را به دست آوریم، مانند متن‌های موجود در رسانه‌های اجتماعی، داده‌های پزشکی، داده‌های زیست‌شناسی و بسیاری از داده‌های متنی دیگر که در زمینه‌های مختلف کاربرد دارند. این تحلیل‌ها در پیش‌بینی‌ها و اخذ تصمیمات مهم، بسیار مفید هستند. پایتون به دلیل داشتن کتابخانه‌های قوی و کارآمد برای پردازش زبان طبیعی و Text Mining، برای انجام متن‌کاوی بسیار مناسب است. با یادگیری متن‌کاوی با پایتون، می‌توانید به راحتی از تکنیک‌های متن‌کاوی برای استخراج اطلاعات، الگوها و ارتباطات پنهان در متون استفاده کنید. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش، ابتدا با کاربردها و اصطلاحات متن‌کاوی آشنا می‌شویم. سپس به بررسی روش‌های مختلف متن‌کاوی با استفاده از کتابخانه‌های پایتون می‌پردازیم. در انتها، تمرینات کاربردی متن‌کاوی مانند توکن‌سازی، ایست‌واژه‌ها، ریشه‌یابی، شباهت، تجزیه متن و استخراج روابط را در پایتون یاد خواهیم گرفت.