انتقل إلى المحتوى الرئيسي

معالجة اللغة الطبيعية

من تنظيف النصّ الخام إلى استعمال نموذج محوّلات مدرَّب مسبقًا، مرورًا بالتضمينات والتصنيف واستخراج الكيانات.

مدّة الدورة: 7 ساعات​

ما ستتعلّمه​

  • بناء سلسلة معالجة نصّ سليمة، تحترم خصوصيات اللغة العربية من تنظيم Unicode إلى إزالة التشكيل
  • اختيار خوارزمية تقطيع مناسبة، من الكلمات الكاملة إلى BPE وSentencePiece، مع فهم كلفتها بالجُذاذات
  • إعداد نموذج مرجعي بـTF-IDF وانحدار لوجستي قبل الانتقال إلى النماذج الأثقل
  • استعمال التضمينات الثابتة (Word2Vec وGloVe) والسياقية (BERT وأخواته) بوعي بحدودها
  • إجراء تصنيف نصوص وتحليل مشاعر، والتعرّف على الكيانات المسمّاة، والتلخيص، والإجابة عن الأسئلة
  • إتقان مكتبة Transformers من Hugging Face: pipeline وAutoTokenizer وTrainer، واختيار نموذج من الـHub
  • تسليم مصنّف مستندات كامل بالعربية، مع مقارنة صريحة بين المقاربات الثلاث من حيث الجودة والكلفة والزمن

المتطلّبات المسبقة​

  • بايثون والأساسيات (الدورة 02)
  • التعلّم المُشرَف (الدورة 04)
  • ينصح بالاطّلاع على المحوّلات (الدورة 12)

الفكرة الناظمة للدورة​

يعبر الدورة كلّها جسم نصّي واحد: مجموعة من نحو 10 000 مراجعة عملاء بالعربية على منتجات أو خدمات، موسومة بعدد من النجوم من 1 إلى 5. سنطبّق عليه كلّ مرحلة على حدة: التنظيف في الوحدة 1، ثمّ التقطيع في الوحدة 2، ثمّ نموذج مرجعي بـTF-IDF في الوحدة 3، ثمّ التضمينات في الوحدتين 4 و5، ثمّ تصنيف المشاعر في الوحدة 6، ثمّ استخراج أسماء المنتجات في الوحدة 7، ثمّ تلخيص المراجعات في الوحدة 8، وأخيرًا مشروع كامل في الوحدة 10 يقارن الحلول الثلاثة على المهمّة نفسها. وتُخصَّص الوحدة 10 لخصوصيات العربية: التشكيل، وأشكال الحرف حسب موقعه، والصرف الغنيّ، والكتابات الشائعة بلا همزات ولا فوارق.

وحدات الدورة​

  1. سلسلة معالجة النصّ: التنظيف والتطبيع
  2. التقطيع: الكلمات والوحدات الجزئية وBPE وSentencePiece
  3. حقيبة الكلمات وTF-IDF وحدودها
  4. Word2Vec وGloVe وهندسة المعنى
  5. التضمينات السياقية والنماذج المدرَّبة مسبقًا
  6. تصنيف النصوص وتحليل المشاعر
  7. التعرّف على الكيانات المسمّاة
  8. التلخيص الآلي والإجابة عن الأسئلة
  9. مكتبة Transformers عمليًا
  10. مشروع: مصنّف مستندات بلغة الدورة

التقييم والشهادة​

يُختَم المسار باختبار من 40 سؤالًا يشمل الوحدات العشر كلّها. وعند اجتيازه بنجاح، تُمنح شهادة إتمام قابلة للتحقّق برقمها على المنصّة، فورًا. أمّا الدورات المجّانية فتنتهي باختبار قصير من 5 أسئلة ومعاينة الشهادة دون إصدارها.