[ENGLISH]

01 Course Overview [2mins]
01-01 Course Overview [2mins]

02 Getting Started [18mins]
02-01 Intro [2mins]
02-02 Motivation and Example [3mins]
02-03 Prerequisites [2mins]
02-04 Using Open-source Libraries [2mins]
02-05 Algorithmic Approaches for Developing NERs [3mins]
02-06 Machine-learning Based Approaches for Developing NERs [3mins]
02-07 Conditional Random Fields [3mins]

03 Preprocessing Data for NER Training [10mins]
03-01 Preprocessing Introduction [3mins]
03-02 Data Analysis [2mins]
03-03 Dataset Preparation [5mins]

04 Building Linear Classifiers for NER Systems [14mins]
04-01 Architecture [2mins]
04-02 Classifiers [7mins]
04-03 Classifier Performance [5mins]

05 Building Conditional Random Fields (CRFs) [38mins]
05-01 Data Preprocessing [7mins]
05-02 Model Training & Evaluation [8mins]
05-03 Hyperparameter Tuning - Parameter Search [9mins]
05-04 Hyperparameter Tuning - Performance Comparison [3mins]
05-05 Model Explainability [6mins]
05-06 Model Explainability Visualization [5mins]

06 Comparing Custom NER Models to spaCy’s NER [13mins]
06-01 Comparing CRF with spaCy [3mins]
06-02 Demo: Training spaCy NER Model [5mins]
06-03 Demi: Example and Visualization [3mins]
06-04 Summary and Next Steps for Learning Natural Language Processing with Python [2mins]

[فارسی]

01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]

02 شروع به کار [18 دقیقه]
02-01 مقدمه [2 دقیقه]
02-02 انگیزه و مثال [3 دقیقه]
02-03 پیش نیازها [2 دقیقه]
02-04 استفاده از کتابخانه‌های منبع باز [2 دقیقه]
02-05 رویکردهای الگوریتمی برای توسعه NERها [3 دقیقه]
02-06 رویکردهای مبتنی بر یادگیری ماشینی برای توسعه NERها [3 دقیقه]
02-07 فیلدهای تصادفی شرطی [3 دقیقه]

03 پیش پردازش داده‌ها برای آموزش NER [10 دقیقه]
03-01 مقدمه پیش پردازش [3 دقیقه]
03-02 تجزیه و تحلیل داده‌ها [2 دقیقه]
03-03 آماده‌سازی مجموعه داده [5 دقیقه]

04 ساخت طبقه‌بندی‌کننده‌های خطی برای سیستم‌های NER [14 دقیقه]
04-01 معماری [2 دقیقه]
04-02 طبقه‌بندی کننده‌ها [7 دقیقه]
04-03 عملکرد طبقه‌بندی کننده [5 دقیقه]

05 ساختن فیلدهای تصادفی شرطی (CRF) [38 دقیقه]
05-01 پیش پردازش داده‌ها [7 دقیقه]
05-02 آموزش و ارزیابی مدل [8 دقیقه]
05-03 تنظیم فراپارامتر - جستجوی پارامتر [9 دقیقه]
05-04 تنظیم فراپارامتر - مقایسه عملکرد [3 دقیقه]
05-05 قابلیت توضیح مدل [6 دقیقه]
05-06 تجسم قابلیت توضیح مدل [5 دقیقه]

06 مقایسه مدل‌های NER سفارشی با NER SpaCy [13 دقیقه]
06-01 مقایسه CRF با spaCy [3 دقیقه]
06-02 نسخه‌ی نمایشی- آموزش مدل spaCy NER [5 دقیقه]
06-03 Demi- مثال و تجسم [3 دقیقه]
06-04 خلاصه و مراحل بعدی برای یادگیری پردازش زبان طبیعی با پایتون [2 دقیقه]