اگر به استخراج عبارات کلیدی از متون علاقه‌مند هستید، این پروژه برای شماست!
پروژه KeyPhrase_Extraction شامل الگوریتم‌های مختلف برای شناسایی و استخراج عبارات کلیدی از متون فارسی می‌باشد. این می‌تواند برای پژوهشگران و توسعه‌دهندگان که در حوزه پردازش زبان طبیعی (NLP) کار می‌کنند، بسیار مفید باشد.
از این پروژه می‌توانید در تحلیل متون، خلاصه‌سازی خودکار و بهبود موتورهای جستجو بهره ببرید.

📱 GitHub Repo

بختت ایرانی...ک مجبوری با چنین ابزارهایی آشنا بشی

یک ابزار کارآمد برای بررسی فیلترینگ اینترنت! 🎯 این مخزن شامل اسکریپت‌هایی است که به شما کمک می‌کنند تا فیلترینگ و مسدود شدن وب‌سایت‌ها را از طریق سرورهای مختلف بررسی کنید. 🤖 ابزار CheckFiltering می‌تواند به محققان، توسعه‌دهندگان وب و فعالان حوزه اینترنت یاری کند تا وضعیت دسترسی به وب‌سایت‌ها را در مناطق مختلف جهان بسنجند. 🌍📊

از این ابزار می‌توان در پروژه‌های مانیتورینگ اینترنت، تحلیل ترافیک و ارزیابی تاثیر فیلترینگ استفاده کرد. 🚀

📱 GitHub Repo

پکیج کاربردی PersianUtils، مجموعه‌ای از ابزارها و کتابخانه‌های متنوع برای کار با متون و داده‌های فارسی (آچار فرانسه ای هست واسه خودش)

📱 GitHub Repo

ابزار خفن وب‌اسکرپینگ برای جمع‌آوری داده‌های سایت جاباما! این ابزار به شما کمک می‌کند تا به صورت خودکار اطلاعات مربوط به اقامتگاه‌ها، قیمت‌ها، موقعیت‌ها و نظرات کاربران را از سایت جاباما استخراج کنید. این پروژه به‌ویژه برای توسعه‌دهندگان، محققان حوزه داده‌کاوی و تحلیل‌گران بازار مکانیابی مناسب است. از این ابزار می‌توانید در پروژه‌های تحلیل داده، مقایسه قیمت و حتی پیشنهادهای سفر استفاده کنید.

📱 GitHub Repo

راه اندازی ربات پاسخ گو به سوالات حقوقی فارسی

این ربات به کاربران امکان می‌دهد که سوالات حقوقی خود را به صورت مستقیم از طریق چت مطرح کنند و پاسخ‌های دقیق و متناسب با قوانین موجود دریافت کنند. این ابزار می‌تواند در وب‌سایت‌ها و اپلیکیشن‌های مشاوره حقوقی مورد استفاده قرار بگیرد تا تجربه‌ی کاربران بهبود یافته و به سوالات آنان به سرعت پاسخ داده شود.
از این ربات می‌توان در پروژه‌های مختلفی نظیر پلتفرم‌های مشاوره حقوقی آنلاین، اپلیکیشن‌های موبایل، و حتی سیستم‌های داخلی شرکت‌ها و سازمان‌ها بهره برد.

📱 GitHub Repo

🍻 دومین دورهمی هوش مصنوعی دیتاهاب (اصفهان)

📗موضوع: درآمد دلاری از طریق هوش مصنوعی (صفر تا صد Remote jobs)

قراره بهتون توی این جلسه یاد داده بشه چطور از کنج اتاقتون، با هر شرکتی توی هر کشوری کار کنید و دلاری دستمزد بگیرین.

✅ لینک ثبت نام
✅ کد تخفیف 80 درصدی: datahub

🗓 چهار شنبه، 2 آبان، ساعت 15 تا 17
🏦 اصفهان - دروازه شیراز - دانشگاه اصفهان - جنب رستوران یاس 1 - ساختمان مرکز رشد علوم انسانی

📛 توجه: برای شرکت در رویداد، ثبت نام ضروری هست.

❇️@data_hub_ir
❇️data-hub.ir
❇️Linkedin
❇️09938013176

ابزار شناسایی واژگان غیرقانونی

این پروژه از تکنیک‌های پردازش زبان طبیعی (NLP) برای شناسایی و تشخیص واژگان غیرقانونی در متن استفاده می‌کند. هدف از این ابزار، کمک به توسعه‌دهندگان، مدیران محتوا و محققان در شناسایی سریع و کارآمد محتوای غیرقانونی یا نامناسب است.
از این ابزار می‌توان در پروژه‌های مرتبط با نظارت بر محتوا، فیلترینگ خودکار و تحلیل داده‌ها استفاده کرد.
برای کسب اطلاعات بیشتر و دسترسی به کد منبع این ابزار به لینک زیر مراجعه کنید:

📱 GitHub Repo

دوره آموزشی کامل و رایگان NLP و فوق خفن پر از شکل و مثال

این دوره به صورت جامع و رایگان شما را با مبانی و مفاهیم پیشرفته پردازش زبان طبیعی (NLP) آشنا می‌کنه. منابع و محتوای آموزشی به صورت تصویری و متنی ارائه شدن و از مقدماتی تا پیشرفته رو پوشش می‌دهد. این دوره برای دانشجویان، محققان و توسعه‌دهندگان علاقه‌مند به شناخت و بهبود تکنیک‌های NLP مفید و کاربردی هست. همین حالا شروع به یادگیری کن!

📱 GitHub Repo

مجموعه داده جدید برای تشخیص کنایه در زبان فارسی!
این دیتاست منحصر به فرد شامل جملات فارسی است که به همراه برچسب‌های کنایه‌دار و غیرکنایه‌دار ارائه شده است. هدف این مجموعه داده، تسهیل فرایند تشخیص کنایه در متن‌های فارسی و بهبود مدل‌های پردازش زبان طبیعی (NLP) در این زمینه است. این دیتاست می‌تواند به پژوهشگران و علاقه‌مندان در حوزه هوش مصنوعی و تحلیل متن در توسعه الگوریتم‌ها و مدل‌های تشخیص کنایه کمک کند.

📱 GitHub Repo

دیتاست دیوان بزرگترین دیتاست متن باز شامل شبکه‌های اجتماعی

▪️دیتاست‌هایی که در پردازش زبان طبیعی (NLP) یا پردازش متن استفاده می‌شوند، شامل مجموعه‌ای از متون هستند که برای آموزش و ارزیابی مدل‌های یادگیری ماشین به کار می‌روند.

▪️مهم‌ترین ویژگی دیوان به عنوان گامی نو در پردازش زبان طبیعی فارسی، وجود حجم انبوهی از داده‌های شبکه‌های اجتماعی است که شامل متن‌های تکراری نیست. از نظر اندازه، ۱۰۰ میلیون رکورد داده از بسترهای مختلف جمع‌آوری شده است که در مجموع شامل بیش از ۸ میلیارد توکن است.

▫️در حال حاضر بسترهایی که در این دیتاست پوشش داده می‌شوند به شرح زیر هستند:
اخبار خبرگزاری‌ها
انواع بلاگ‌ها
توییر
اینستاگرام ( پست و کامنت)
تلگرام ( کانال و گروه)
دیجی کالا ( کامنت)
ایتا ( پست )
دیوار

https://huggingface.co/datasets/lifeweb-ai/Divan

کد مربوط به تاپیک مدلینگ برای متون کوتاه مثل توییت
همینطور ک می دونین کار روی short text اونم فارسی خیلی چالش داره...


📱 GitHub Repo

مجموعه داده PersianSpeech شامل صدها ساعت داده گفتاری فارسی است که توسط گویندگان متنوع در شرایط مختلف ضبط شده‌است. این دیتاست با هدف کمک به توسعه سیستم‌های تشخیص گفتار فارسی و برنامه‌های پردازش زبان طبیعی تهیه شده است. شامل انواع مختلف جمله‌ها، کلمات و عبارت‌های گفتاری است که به تحقیقات و پروژه‌های مبتنی بر یادگیری ماشین و شبکه‌های عصبی در حوزه صوت کمک می‌کند. از این مجموعه داده می‌توان در پروژه‌های تشخیص گفتار، ترجمه ماشینی، و تجزیه و تحلیل صوت استفاده کرد.

📱 GitHub Repo

تو هر تخصصی که هستید می‌تونید با گذروندن این دوره کوتاه هم کلی چیز جدید یاد بگیرید هم یه مدرک بین‌المللی تو یه موضوع جذاب که تو هر رشته‌ای بکار میاد به رزومه تون اضافه کنید:

‏گوگل یه دوره آنلاین ۵ روزه از ۱۱ تا ۱۵ نوامبر داره که میتونه کمکتون کنه تا تکنولوژی‌ها و روش‌های پایه Gen AI رو خوب یاد بگیرید. این دوره رو تیم تحقیق و مهندسی ML گوگل طراحی کرده. هم مباحث نظری داره و هم تمرین‌های عملی کدنویسی، تا بتونید پروژه‌های جدید Gen AI رو شروع کنید.

مباحث این ۵ روز:
Day 1: Foundational Models & Prompt Engineering
Day 2: Embeddings and Vector Stores/Databases
Day 3: Generative AI Agents
Day 4: Domain-Specific LLMs
Day 5: MLOps for Generative AI

https://rsvp.withgoogle.com/events/google-generative-ai-intensive

منبع: توییتر اقای الله یاری

Introduction to Bioimage Analysis

یک آموزش مثال محور با کلی شکل و تصویر و نمودار با کد
کسایی که به حوزه پردازش تصویر و تصاویر پزشکی علاقه مند هستند، این گنج از دست ندن

https://bioimagebook.github.io/index.html

تو این سایت می‌تونید مقالاتِ پولیِ مدیوم رو رایگان باز کنید. در واقع خودش اشتراکِ مدیوم خریده و از طریقِ این سایت در دسترسِ عموم قرار داده. مدیوم نقطه‌ضعف‌هاش رو حل کرده. تمامِ روش‌هایِ قدیمیِ دورزدن paywall از کار افتاده. فقط همین روش جواب می‌ده.

_Ayub Kokabi_

یک ابزار خوب برای استخراج کلمات کلیدی فارسی! این مجموعه کد برای شناسایی و استخراج کلمات کلیدی از متون فارسی طراحی شده است. این پروژه می‌تواند در زمینه‌های سئو، تولید محتوا، تحلیل متون و دیگر کاربردهای مرتبط با پردازش زبان فارسی بسیار مفید باشد.


📱 GitHub Repo

سلام
معرفی دیتاست

تمام ویکیپدیا فارسی با ساختار و استفاده راحت
https://huggingface.co/datasets/codersan/Persian-Wikipedia-Corpus

یه دیتاست فوق‌العاده برای علاقه‌مندان به پردازش زبان طبیعی و تشخیص نیت! دیتاست Persian ATIS شامل مکالمات و سوالات متنی به زبان فارسی و مرتبط با آژانس هواپیمایی است که به نیت‌ها و اسلات‌های مختلف برچسب‌گذاری شده‌اند. این مجموعه داده می‌تونه به شما کمک کنه تا مدل‌های یادگیری ماشین و تحلیل زبان طبیعی بهتری برای زبان فارسی بسازید.

📱 GitHub Repo

این ریپازیتوری یک مجموعه‌ی جذاب و کاربردی از دیتاست‌های ایرانی را گردآوری کرده است. توسط این لینک می‌توانید به بهترین منابع داده دسترسی پیدا کنید که برای پروژه‌های تحقیقاتی و کاربردهای مختلف از جمله یادگیری ماشین، تحلیل داده و تحقیقات آماری بسیار مفید هستند. اگر به دنبال دیتاست‌های معتبر و متنوع برای کارهای تحقیقی و پروژه‌های هوش مصنوعی خود هستید، حتماً این ریپازیتوری را بررسی کنید!

📱 GitHub Repo

این پروژه یک تحلیل جامع از داده‌های جستجوهای گوگل درباره هتل‌ها و اقامتگاه‌های ایرانی است. با استفاده از ابزارهای تحلیل کلان‌داده و داده‌کاوی، روندها، میزان تقاضا و الگوهای جستجو برای این صنعت ارزشمند را بررسی می‌کند. این داده‌ها می‌توانند به مدیران هتل‌ها، استارتاپ‌های گردشگری و برنامه‌ریزان سفر کمک کنند تا تصمیم‌های آینده‌نگرانه‌تری بگیرند و خدمات خود را بهبود ببخشند.


📱 GitHub Repo

کد فاین تیون کردن مدل های پرسش و پاسخ روی دیتاست فارسی


📱 GitHub Repo https://github.com/AliBagherz/PersianQa