پردازش زبان طبیعی (Natural Language Processing) به‌عنوان یکی از زیرشاخه‌های هوش مصنوعی توجه بسیاری را در دانشگاه و صنعت به‌خود معطوف کرده است. از جمله کاربردهای مهم پردازش زبان طبیعی چت‌بات‌ها می‌باشند که در صنایع متنوع مورد استفاده قرار می‌گیرند. در این دوره قصد داریم با تمرکز بر چت‌بات‌های حوزه مالی/بانکی در ابتدا با مفاهیم پایه پردازش زبان طبیعی و مدل‌های اصلی یادگیری عمیق برای پردازش داده‌های متنی آشنا شویم و سپس به معرفی اجزای اصلی چت‌بات‌ها بپردازیم و با تمرکز بر ماژول فهم زبان در چت‌بات‌ها وظایف تشخیص قصد و پرکردن اسلات در چت‌بات‌های مالی را آموزش دهیم.

عناوین سرفصل‌های دوره

1. مقدمه‌ای بر اهمیت و کاربرد چت‌بات‌ها در صنعت (با تمرکز بر حوزه مالی/بانکی)
2. مفاهیم پایه در پردازش و بازنمایی داده‌های متنی
3. تکنیک‌های یادگیری ماشین/عمیق برای پردازش داده‌های متنی (شبکه‌های MLP و RNN و CNN)
4. چارچوب‌ها و کتابخانه‌های یادگیری عمیق در پایتون
5. پردازش داده‌های متنی فارسی بروی یک مجموعه داده مشابه و چالش‌های آن
6. معرفی مدل‌های زبانی مبتنی بر ترنسفورمر و ساختارهای کدگذار-کدگشا
7. ساختار و روند طراحی معماری ماژول‌های چت‌بات 
8. معرفی ماژول فهم زبان برای وظایف تشخیص قصد و پرکردن اسلات در چت‌بات‌ها (معرفی یک معماری و شبکه‌ی شناخته شده برای ماژول فهم زبان)
9. ارزیابی چت‌بات‌ها و ماژول فهم زبان
10. آشنایی با مجموعه داده، معرفی مقصودها و مولفه‌های مجموعه داده، اهمیت و آمارگان داده و چالش‌های آن
11. مرور کارهای مرتبط با ماژول فهم زبان و بیان چالش‌های پیاده سازی
12. پیاده سازی مدل زبانی توام تشخیص مقصود و استخراج مولفه (پیاده سازی یک مدل پایه)

مدرسین دوره:

1. دکتر سعیده ممتازی
2. مهندس محمدهادی گلدانی
3. مهندس رضا زادکمالی
4. مهندس محسن فضائلی
5. مهندس محسن عبادپور

 محل برگزاری

این کارگاه به صورت آنلاین برگزار خواهد شد و جزئیات چگونگی شرکت در آن در زمان مناسب برای ثبت‌نام‌کنندگان ارسال خواهد شد.

لینک ثبت نام