40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مدل های رمزنگار (قسمت ششم)

آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مدل های رمزنگار (قسمت ششم)

در این قسمت از دوره آموزش پردازش زبان طبیعی به مدل های رمزنگار خواهیم پرداخت. پردازش زبان طبیعی یکی از شاخه‌های مهم و جذاب فناوری هوش مصنوعی است و علاقه‌مندان به هوش مصنوعی مطمئنا با آشنایی بیشتر با این حوزه، جذب آن خواهند شد. اما برای آشنایی با این فناوری مشکلات بسیاری پیش رو است. ازجمله این مشکلات می‌توان به کمبود منابع ترجمه شده مناسب و آموزشگاه‌های معتبر برای آموزش آن اشاره کرد.

همواره یکی از بهترین و ساده‌ترین راه‌ها برای آشنایی با حوزه‌های هوش مصنوعی اما تماشای ویدئوهای آموزشی و دوره‌های رایگان اینترنتی هستند.

وبسایت هوشیو که پیش از این دوره آموزش علوم داده را منتشر کرده بود، این‌بار دوره آموزشی پردازش زبان طبیعی  که مجموعه‌ای از محتواهای متنی و ویدئویی بوده را ارائه کرده است.

در قسمت‌های قبل این دوره که از طریق لینک انتهای مطلب به آن دسترسی خواهید داشت، به موضوعاتی از قبیل تنظیم محیط کار، مفهوم پردازش زبان طبیعی، آشنایی با ترنسفورمرها، روش کار آن‌ها و این‌که چه می‌کنند، پرداخته شده و این قسمت مربوط به مدل های رمزنگار است.

مدل های رمزنگار

مدل‌های رمزنگار تنها از بخش رمزنگاری مدل ترنسفورمر استفاده می‌کنند. لایه‌های توجه در هر مرحله می‌توانند به تمامی کلمات جمله اولیه دسترسی داشته باشند. از این مدل‌ها اغلب با عنوان «توجه دو طرفهbi-directional » تعریف شده و مدل‌های خودرمزنگارauto-encoding models  نامیده می‌‌شوند.

نسخه ازپیش‌آموزش‌دیده این مدل عمدتاً بر تغییر جمله داده‌شده (برای مثال، پوشاندن یکی از کلمات آن) و موظف کردن مدل به پیدا کردن یا بازسازی جمله اولیه متمرکز است.

مدل‌های رمزنگار برای حل مسائلی که در آن‌ها مدل باید یک جمله کامل را درک کند، مانند دسته‌بندی جملات، تشخیص نام موجودیت‌ها (یا در کل تشخیص کلمات) و پاسخ به سوالات به روش استخراجی، کاملاً مناسبند.

از نمایندگان این قبیل مدل‌ها می‌توان به مدل‌های زیر اشاره کرد:

  • ALBERT
  • BERT
  • DistilBERT
  • ELECTRA
  • RoBERT

از طریق لینک زیر می‌توانید به قسمت‌های دیگر دوره آموزشی پردازش زبان طبیعی دسترسی داشته باشید:

[button href=”https://hooshio.com/%D8%B1%D8%B3%D8%A7%D9%86%D9%87-%D9%87%D8%A7/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%B2%D8%A8%D8%A7%D9%86-%D8%B7%D8%A8%DB%8C%D8%B9%DB%8C/” type=”btn-default” size=”btn-lg”]آموزش پردازش زبان طبیعی[/button]

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]