1
00:00:00,000 --> 00:00:08,364

2
00:00:08,364 --> 00:00:08,870
>> LUCAS فریتاس: سلام.

3
00:00:08,870 --> 00:00:09,980
هر کس خوش آمدید.

4
00:00:09,980 --> 00:00:11,216
نام من لوکاس فریتاس است.

5
00:00:11,216 --> 00:00:15,220
من یک تازه وارد در [نامفهوم] مطالعه هستم
علوم کامپیوتر با تمرکز در

6
00:00:15,220 --> 00:00:16,410
زبان شناسی محاسباتی.

7
00:00:16,410 --> 00:00:19,310
بنابراین ثانویه من است در زبان
و نظریه زبانی.

8
00:00:19,310 --> 00:00:21,870
من واقعا هیجان زده به شما یاد می دهد بچه ها
کمی در مورد زمین میشه.

9
00:00:21,870 --> 00:00:24,300
این یک منطقه بسیار هیجان انگیز را به مطالعه است.

10
00:00:24,300 --> 00:00:27,260
همچنین با بسیاری از پتانسیل
برای آینده است.

11
00:00:27,260 --> 00:00:30,160
بنابراین، من واقعا هیجان زده است که شما بچه ها
با توجه به پروژه های در

12
00:00:30,160 --> 00:00:31,160
زبان شناسی محاسباتی.

13
00:00:31,160 --> 00:00:35,460
و من بیش از شاد برای توصیه می شود
هر کدام از شما اگر شما تصمیم می گیرید

14
00:00:35,460 --> 00:00:37,090
به دنبال یکی از آن.

15
00:00:37,090 --> 00:00:40,010
>> پس اول از همه چه چیزی محاسباتی است
زبان شناسی؟

16
00:00:40,010 --> 00:00:44,630
زبان شناسی پس محاسباتی است
تقاطع بین زبان شناسی و

17
00:00:44,630 --> 00:00:46,390
علوم کامپیوتر.

18
00:00:46,390 --> 00:00:47,415
بنابراین، آنچه زبان شناسی است؟

19
00:00:47,415 --> 00:00:48,490
علوم کامپیوتر چیست؟

20
00:00:48,490 --> 00:00:51,580
خب از زبان شناسی، چه
ما را به زبان می باشد.

21
00:00:51,580 --> 00:00:54,960
پس زبان شناسی در واقع مطالعه
از زبان طبیعی به طور کلی.

22
00:00:54,960 --> 00:00:58,330
زبان بنابراین طبیعی - ما در مورد صحبت
زبانی که ما در واقع به استفاده از

23
00:00:58,330 --> 00:00:59,770
ارتباط با یکدیگر.

24
00:00:59,770 --> 00:01:02,200
بنابراین ما دقیقا صحبت نمی کنم
در مورد C و یا جاوا.

25
00:01:02,200 --> 00:01:05,900
ما در حال صحبت کردن بیشتر در مورد زبان انگلیسی و
چینی و دیگر زبان های است که ما

26
00:01:05,900 --> 00:01:07,780
استفاده برای برقراری ارتباط با یکدیگر.

27
00:01:07,780 --> 00:01:12,470
>> نکته چالش برانگیز در مورد آن این است که
در حال حاضر ما تقریبا 7000

28
00:01:12,470 --> 00:01:14,260
زبان در جهان است.

29
00:01:14,260 --> 00:01:19,520
بنابراین کاملا انواع بالا وجود دارد
از زبان که ما می توانیم مطالعه.

30
00:01:19,520 --> 00:01:22,600
و سپس شما فکر می کنم که آن را احتمالا
بسیار سخت به انجام، به عنوان مثال،

31
00:01:22,600 --> 00:01:26,960
ترجمه از یک زبان به زبان
دیگر، با توجه به اینکه شما

32
00:01:26,960 --> 00:01:28,240
تقریبا 7000 از آنها.

33
00:01:28,240 --> 00:01:31,450
بنابراین، اگر شما از انجام ترجمه فکر می کنم
از یک زبان به زبان دیگر شما

34
00:01:31,450 --> 00:01:35,840
تقریبا بیش از یک میلیون
ترکیبات مختلف که شما می توانید

35
00:01:35,840 --> 00:01:37,330
باید از زبانی به زبان.

36
00:01:37,330 --> 00:01:40,820
بنابراین آن را واقعا به چالش کشیدن برای انجام برخی از
نوع سیستم به عنوان مثال برای ترجمه

37
00:01:40,820 --> 00:01:43,540
هر زبان واحد.

38
00:01:43,540 --> 00:01:47,120
>> بنابراین، زبان شناسی رفتار با نحو،
معناشناسی، واقع بین.

39
00:01:47,120 --> 00:01:49,550
شما بچه ها دقیقا لازم نیست
به دانستن آنچه که آنها می باشد.

40
00:01:49,550 --> 00:01:55,090
اما چیزی که بسیار جالب است این است که
به عنوان یک زبان مادری، که یاد می گیرید

41
00:01:55,090 --> 00:01:59,010
زبان به عنوان فرزند، شما در واقع یادگیری
همه کسانی که همه چیز - معناشناسی نحو

42
00:01:59,010 --> 00:02:00,500
و واقع بین -

43
00:02:00,500 --> 00:02:01,430
توسط خودتان.

44
00:02:01,430 --> 00:02:04,820
و هیچ کس به شما یاد می نحو برای
شما را به درک چگونگی احکام

45
00:02:04,820 --> 00:02:05,290
ساختار.

46
00:02:05,290 --> 00:02:07,980
بنابراین، این واقعا جالب است زیرا
آن چیزی که بسیار می آید

47
00:02:07,980 --> 00:02:10,389
به طور مستقیم.

48
00:02:10,389 --> 00:02:13,190
>> و آنچه از شما از مصرف
علوم کامپیوتر؟

49
00:02:13,190 --> 00:02:16,700
خوب، مهم ترین چیز این است که ما
در علم کامپیوتر است اول

50
00:02:16,700 --> 00:02:19,340
همه، هوش مصنوعی
و یادگیری ماشین.

51
00:02:19,340 --> 00:02:22,610
بنابراین، آنچه که ما در حال تلاش برای انجام
زبان شناسی محاسباتی آموزش است

52
00:02:22,610 --> 00:02:26,990
کامپیوتر شما چگونه به انجام کاری
با زبان.

53
00:02:26,990 --> 00:02:28,630
>> بنابراین، برای مثال، در دستگاه
ترجمه.

54
00:02:28,630 --> 00:02:32,490
من در تلاش برای میآموزد که چگونه کامپیوتر من
بدانید که چگونه برای انتقال از یک

55
00:02:32,490 --> 00:02:33,310
زبان به زبان دیگر.

56
00:02:33,310 --> 00:02:35,790
بنابراین، اساسا مانند آموزش
یک کامپیوتر به دو زبان.

57
00:02:35,790 --> 00:02:38,870
اگر من انجام پردازش زبان طبیعی،
است که در مورد به عنوان مثال از

58
00:02:38,870 --> 00:02:41,810
فیس بوک در گراف جستجو، شما یاد می دهد
کامپیوتر شما چگونه به درک

59
00:02:41,810 --> 00:02:42,730
نمایش داده شد است.

60
00:02:42,730 --> 00:02:48,130
>> بنابراین، اگر شما می گویند "عکس های من
دوستان. "فیس بوک را معالجه نمی کند که

61
00:02:48,130 --> 00:02:51,130
به عنوان یک رشته تمام است که
فقط یک دسته از کلمات.

62
00:02:51,130 --> 00:02:56,020
این در واقع ارتباط را درک
بین "عکس" و "دوستان من" و

63
00:02:56,020 --> 00:02:59,620
درک می کند که "عکس" می باشد
اموال "دوستان من."

64
00:02:59,620 --> 00:03:02,350
>> بنابراین، آن بخش از است، به عنوان مثال،
پردازش زبان طبیعی است.

65
00:03:02,350 --> 00:03:04,790
این تلاش برای درک آنچه
رابطه بین است

66
00:03:04,790 --> 00:03:07,520
واژگان در یک جمله.

67
00:03:07,520 --> 00:03:11,170
و سوال بزرگ است، می تواند شما را
آموزش کامپیوتر چگونه به صحبت می کنند

68
00:03:11,170 --> 00:03:12,650
یک زبان به طور کلی؟

69
00:03:12,650 --> 00:03:17,810
که یک سوال بسیار جالب است
فکر می کنم، تا اگر شاید در آینده،

70
00:03:17,810 --> 00:03:19,930
شما به قادر به
صحبت کردن با تلفن همراه شما.

71
00:03:19,930 --> 00:03:23,290
نوع مانند آنچه که ما با سیری انجام دهید، اما
چیزی شبیه به، شما در واقع می تواند

72
00:03:23,290 --> 00:03:25,690
می گویند هر آنچه می خواهید و تلفن
رفتن به درک همه چیز.

73
00:03:25,690 --> 00:03:28,350
و آن را می توانید پیگیری سوال
و صحبت.

74
00:03:28,350 --> 00:03:30,880
این چیزی است که واقعا هیجان انگیز است،
به نظر من.

75
00:03:30,880 --> 00:03:33,070
>> بنابراین، چیزی در مورد زبان طبیعی است.

76
00:03:33,070 --> 00:03:36,220
چیزی واقعا در مورد جالب
زبان طبیعی است که، و این است

77
00:03:36,220 --> 00:03:38,470
اعتبار به استاد زبان شناسی من،
ماریا Polinsky.

78
00:03:38,470 --> 00:03:40,830
او به عنوان مثال می دهد و من فکر می کنم
این واقعا جالب است.

79
00:03:40,830 --> 00:03:47,060
از آنجا که ما یادگیری زبان از زمانی که
ما به دنیا آمد و پس از آن مادری ما

80
00:03:47,060 --> 00:03:49,170
زبان نوع در ما رشد می کند.

81
00:03:49,170 --> 00:03:52,570
>> و در واقع شما در یادگیری زبان
از حداقل ورودی، درست است؟

82
00:03:52,570 --> 00:03:56,700
شما فقط گرفتن ورودی از شما
پدر و مادر از چه زبانی خود را برای تلفن های موبایل

83
00:03:56,700 --> 00:03:58,770
دوست دارم و شما فقط آن را یاد بگیرند.

84
00:03:58,770 --> 00:04:02,240
بنابراین، این جالب است زیرا اگر شما نگاه کنید
در آن احکام، به عنوان مثال.

85
00:04:02,240 --> 00:04:06,980
شما نگاه کنید، "مری قرار می دهد بر روی کت هر
زمان او به ترک خانه. "

86
00:04:06,980 --> 00:04:10,650
>> در این مورد، این امکان وجود دارد که
کلمه "او" اشاره به مری، درست است؟

87
00:04:10,650 --> 00:04:13,500
شما می توانید می گویند "مری قرار می دهد بر روی کت
هر زمان مری برگ

88
00:04:13,500 --> 00:04:14,960
خانه. "به طوری که خوب است.

89
00:04:14,960 --> 00:04:19,370
اما پس از آن اگر شما در حکم نگاه
"او در کت قرار می دهد در هر زمان مری

90
00:04:19,370 --> 00:04:22,850
ترک خانه. "شما می دانید آن را
غیر ممکن است می گویند که "او" است

91
00:04:22,850 --> 00:04:24,260
با اشاره به مری.

92
00:04:24,260 --> 00:04:27,070
>> هیچ راهی برای گفتن این که "مری قرار می دهد وجود دارد
در کت هر زمان مری برگ

93
00:04:27,070 --> 00:04:30,790
خانه. "پس از آن جالب است زیرا
این نوع از شهود است

94
00:04:30,790 --> 00:04:32,890
که هر زبان مادری است.

95
00:04:32,890 --> 00:04:36,370
و هیچ کس آموزش داده شد که این
راه است که به نحو کار می کند.

96
00:04:36,370 --> 00:04:41,930
و که فقط می توان این "او" دارند
با اشاره به مری در این مورد اول،

97
00:04:41,930 --> 00:04:44,260
است و در واقع در این دیگر
بیش از حد، اما در این یکی.

98
00:04:44,260 --> 00:04:46,500
اما همه نوع می شود
به همان جواب.

99
00:04:46,500 --> 00:04:48,580
هر کس موافق است بر روی آن.

100
00:04:48,580 --> 00:04:53,280
پس از آن واقعا جالب است که چگونه هر چند
شما همه قوانین را نمی دانم

101
00:04:53,280 --> 00:04:55,575
در زبان شما نوع درک
چگونه زبان کار می کند.

102
00:04:55,575 --> 00:04:59,020

103
00:04:59,020 --> 00:05:01,530
>> بنابراین نکته جالب در مورد طبیعی
زبان این است که شما لازم نیست که

104
00:05:01,530 --> 00:05:06,970
می دانم هر نحو می دانم که اگر یک جمله
برای دستور زبان و یا ungrammatical است

105
00:05:06,970 --> 00:05:08,810
اکثر موارد.

106
00:05:08,810 --> 00:05:13,220
که باعث می شود شما فکر می کنم که شاید آنچه
اتفاق می افتد این است که از طریق زندگی خود را، شما

107
00:05:13,220 --> 00:05:17,410
فقط حفظ شدن بیشتر و بیشتر
جملات به شما گفته.

108
00:05:17,410 --> 00:05:19,800
و سپس شما را حفظ نگه دارید
همه از جملات.

109
00:05:19,800 --> 00:05:24,230
و سپس وقتی که کسی به شما می گوید
چیزی، شما که حکم گوش و

110
00:05:24,230 --> 00:05:27,040
شما در فرهنگ لغت خود نگاه
جملات و اگر ببینید

111
00:05:27,040 --> 00:05:28,270
که حکم وجود دارد.

112
00:05:28,270 --> 00:05:29,830
و اگر وجود دارد و شما
می گویند آن را دستوری.

113
00:05:29,830 --> 00:05:31,740
اگر آن را به شما می گویند آن را
ungrammatical.

114
00:05:31,740 --> 00:05:35,150
>> بنابراین، در آن صورت، شما می گویند، آه،
بنابراین شما باید یک لیست بزرگ از همه

115
00:05:35,150 --> 00:05:36,140
احکام امکان پذیر است.

116
00:05:36,140 --> 00:05:38,240
و پس از آن زمانی که شما یک جمله را بشنود،
شما می دانید که اگر آن را دستوری و یا

117
00:05:38,240 --> 00:05:39,450
در که نه بر اساس.

118
00:05:39,450 --> 00:05:42,360
نکته این است که اگر شما در نگاه
یک جمله، به عنوان مثال، "

119
00:05:42,360 --> 00:05:47,540
پنج سر CS50 TFS پخته شده کور
هشت پا با استفاده از یک لیوان DAPA. "این

120
00:05:47,540 --> 00:05:49,630
قطعا نه یک جمله
که شما قبل از شنیده می شود.

121
00:05:49,630 --> 00:05:52,380
اما در عین حال شما می دانید آن را
تقریبا دستور زبان، درست است؟

122
00:05:52,380 --> 00:05:55,570
هیچ اشتباهات دستوری وجود دارد
و شما می توانید می گویند که

123
00:05:55,570 --> 00:05:57,020
آن یک جمله ممکن است.

124
00:05:57,020 --> 00:06:01,300
>> پس از آن باعث می شود ما فکر می کنم که در واقع
راه است که ما زبان یاد بگیرید نه تنها

125
00:06:01,300 --> 00:06:07,090
با داشتن یک بانک اطلاعاتی عظیمی از امکان
کلمات یا جملات، بلکه بیشتر از

126
00:06:07,090 --> 00:06:11,490
فهم رابطه
کلمات در آن احکام.

127
00:06:11,490 --> 00:06:14,570
آیا این را حس؟

128
00:06:14,570 --> 00:06:19,370
بنابراین، پس از آن سوال این است، می تواند
کامپیوتر زبان یاد بگیرند؟

129
00:06:19,370 --> 00:06:21,490
آیا ما می توانیم زبان تدریس به کامپیوتر؟

130
00:06:21,490 --> 00:06:24,230
>> بنابراین، بیایید از تفاوت فکر می کنم
بین زبان مادری زبان

131
00:06:24,230 --> 00:06:25,460
و کامپیوتر است.

132
00:06:25,460 --> 00:06:27,340
بنابراین، آنچه به سخنران اتفاقی می افتد؟

133
00:06:27,340 --> 00:06:30,430
خوب، زبان مادری می آموزد
زبان از قرار گرفتن در معرض آن است.

134
00:06:30,430 --> 00:06:34,200
معمولا سال دوران کودکی اولیه آن است.

135
00:06:34,200 --> 00:06:38,570
بنابراین، اساسا، شما فقط باید یک کودک،
و شما در حفظ و صحبت کردن به آن، و آن را

136
00:06:38,570 --> 00:06:40,540
فقط می آموزد که چگونه به صحبت می کنند
زبان، درست است؟

137
00:06:40,540 --> 00:06:42,660
بنابراین، شما در واقع به
ورودی به کودک.

138
00:06:42,660 --> 00:06:45,200
بنابراین، پس از آن شما می توانید استدلال می کنند که یک کامپیوتر
می تواند همین کار را بکند، درست است؟

139
00:06:45,200 --> 00:06:49,510
شما فقط می توانید زبان را
به عنوان ورودی به کامپیوتر است.

140
00:06:49,510 --> 00:06:53,410
>> همانطور که برای مثال یک دسته از فایل ها
که کتاب به زبان انگلیسی.

141
00:06:53,410 --> 00:06:56,190
شاید که یک راه این است که شما
احتمالا می تواند آموزش

142
00:06:56,190 --> 00:06:57,850
کامپیوتر انگلیسی، درست است؟

143
00:06:57,850 --> 00:07:01,000
و در واقع، اگر شما در مورد آن فکر می کنم،
آن را به شما طول می کشد، شاید یک زن و شوهر

144
00:07:01,000 --> 00:07:02,680
روز تا خواندن یک کتاب.

145
00:07:02,680 --> 00:07:05,760
برای یک کامپیوتر طول می کشد دوم به
در تمامی واژگان در کتاب نگاه کنید.

146
00:07:05,760 --> 00:07:10,810
بنابراین شما می توانید فکر می کنم که ممکن است فقط به این
آرگومان ورودی از اطراف شما،

147
00:07:10,810 --> 00:07:15,440
که به اندازه کافی نیست که بگوییم که
چیزی است که فقط انسان می تواند انجام دهد.

148
00:07:15,440 --> 00:07:17,680
شما می توانید کامپیوتر فکر می کنم
همچنین می توانید ورودی دریافت کنید.

149
00:07:17,680 --> 00:07:21,170
>> نکته دوم این است که زبان مادری
یک مغز است که همچنین

150
00:07:21,170 --> 00:07:23,870
قابلیت یادگیری زبان.

151
00:07:23,870 --> 00:07:27,020
اما اگر شما در مورد آن فکر می کنم،
مغز یک چیز جامد است.

152
00:07:27,020 --> 00:07:30,450
هنگامی که شما به دنیا آمده، آن را در حال حاضر مجموعه -

153
00:07:30,450 --> 00:07:31,320
این مغز شما است.

154
00:07:31,320 --> 00:07:34,660
و همانطور که شما رشد می کنند، شما فقط شکلک های بیشتر
از زبان و شاید مواد مغذی

155
00:07:34,660 --> 00:07:35,960
و چیزهای دیگر.

156
00:07:35,960 --> 00:07:38,170
اما تقریبا مغز شما
یک چیز جامد است.

157
00:07:38,170 --> 00:07:41,290
>> بنابراین شما می توانید می گویند، خوب، شاید شما می توانید
ساخت یک کامپیوتر که دارای یک دسته از

158
00:07:41,290 --> 00:07:45,890
توابع و روش ها است که فقط تقلید
قابلیت یادگیری زبان.

159
00:07:45,890 --> 00:07:49,630
بنابراین در این معنا، می توان گفت، خوب، من
می تواند یک کامپیوتر است که همه دارند

160
00:07:49,630 --> 00:07:52,270
چیزهایی که من نیاز به یادگیری زبان.

161
00:07:52,270 --> 00:07:56,200
و آخرین چیزی است که بومی
سخنران از آزمون و خطا یاد می گیرد.

162
00:07:56,200 --> 00:08:01,090
بنابراین اساسا چیز دیگری که مهم در
یادگیری زبان این است که شما نوع

163
00:08:01,090 --> 00:08:05,340
از چیزهایی یاد بگیرند با ساخت
کلی از آنچه شما می شنوید.

164
00:08:05,340 --> 00:08:10,280
>> همانگونه که شما در حال رشد است تا به شما یاد بگیرند که
برخی از کلمات مانند اسم هستند،

165
00:08:10,280 --> 00:08:11,820
برخی از آنهایی که دیگر صفت ها هستند.

166
00:08:11,820 --> 00:08:14,250
و شما لازم نیست که به هر گونه
دانش زبان شناسی

167
00:08:14,250 --> 00:08:15,040
به درک که.

168
00:08:15,040 --> 00:08:18,560
اما تو فقط می دانم که برخی از واژه ها وجود دارد
در بخشی از قرار

169
00:08:18,560 --> 00:08:22,570
حکم و برخی دیگر در سایر
بخش هایی از جمله.

170
00:08:22,570 --> 00:08:26,110
>> و این زمانی که شما در انجام کاری است که
مانند یک جمله است که درست نیست -

171
00:08:26,110 --> 00:08:28,770
شاید به دلیل تعمیم بیش از
به عنوان مثال.

172
00:08:28,770 --> 00:08:32,210
شاید زمانی که شما رشد می کند، شما متوجه
که جمع است که معمولا

173
00:08:32,210 --> 00:08:35,809
شکل با قرار دادن S در
در پایان کلمه است.

174
00:08:35,809 --> 00:08:40,042
و پس از آن شما سعی می کنید برای انجام این کار جمع
"گوزن" را به عنوان "ملت mellat" و یا "دندان" را به عنوان

175
00:08:40,042 --> 00:08:44,780
"tooths." بنابراین پس از آن پدر و مادر خود و یا
کسی که شما را تصحیح می کند و می گوید: نه،

176
00:08:44,780 --> 00:08:49,020
جمع از "آهو" است "گوزن"، و
جمع "دندان" "دندان" است. و پس از آن

177
00:08:49,020 --> 00:08:50,060
شما آن چیزهایی یاد بگیرند.

178
00:08:50,060 --> 00:08:51,520
بنابراین شما از آزمون و خطا یاد بگیرند.

179
00:08:51,520 --> 00:08:53,100
>> اما شما نیز می توانید انجام دهید که
با کامپیوتر است.

180
00:08:53,100 --> 00:08:55,310
شما می توانید چیزی به نام
یادگیری تقویتی.

181
00:08:55,310 --> 00:08:58,560
که در واقع مانند دادن
کامپیوتر پاداش هر زمان که آن را ندارد

182
00:08:58,560 --> 00:08:59,410
چیزی به درستی.

183
00:08:59,410 --> 00:09:04,710
و دادن آن در مقابل پاداش
و در آن هنگام که چیزی اشتباه است.

184
00:09:04,710 --> 00:09:07,410
شما می توانید در واقع ببینید که اگر شما به
به ترجمه Google و شما را امتحان کنید

185
00:09:07,410 --> 00:09:10,220
ترجمه یک جمله، آن
شما می پرسد برای بازخورد.

186
00:09:10,220 --> 00:09:13,240
بنابراین اگر شما می گویند، آه، یک بهتر وجود دارد
برای ترجمه این جمله.

187
00:09:13,240 --> 00:09:18,140
شما می توانید آن را تایپ کنید و پس از آن اگر بسیاری از
مردم در حفظ و گفت که بهتر است

188
00:09:18,140 --> 00:09:21,560
ترجمه، آن را فقط یاد می گیرد که آن را به
باید که ترجمه به جای استفاده از

189
00:09:21,560 --> 00:09:22,960
یکی از آن ارائه شده است.

190
00:09:22,960 --> 00:09:28,830
>> بنابراین، این یک سوال بسیار فلسفی است
برای دیدن اگر کامپیوتر در حال رفتن به

191
00:09:28,830 --> 00:09:30,340
قادر به صحبت یا نه در آینده.

192
00:09:30,340 --> 00:09:34,440
اما من امید زیادی که آنها می توانند
فقط در آن دسته از استدلال است.

193
00:09:34,440 --> 00:09:38,570
اما این تنها بیشتر از یک فلسفی
سوال.

194
00:09:38,570 --> 00:09:43,460
>> بنابراین در حالی که کامپیوتر هنوز نمی تواند صحبت می کنید،
چیزهایی که ما می توانیم انجام چه هستند؟

195
00:09:43,460 --> 00:09:47,070
بعضی چیزها واقعا سرد است
طبقه بندی داده ها.

196
00:09:47,070 --> 00:09:53,210
بنابراین، برای مثال، شما بچه ها می دانید
است که خدمات پست الکترونیک انجام دهید، برای

197
00:09:53,210 --> 00:09:55,580
به عنوان مثال، فیلتر هرزنامه.

198
00:09:55,580 --> 00:09:59,070
بنابراین هر زمان که شما اسپم دریافت، آن را به
تلاش برای فیلتر کردن به جعبه دیگر.

199
00:09:59,070 --> 00:10:00,270
پس چگونه آن را انجام دهید؟

200
00:10:00,270 --> 00:10:06,080
این مانند کامپیوتر فقط می داند
آدرس ایمیل هایی را که در حال ارسال اسپم.

201
00:10:06,080 --> 00:10:09,130
بنابراین آن را بیشتر بر روی محتوای مبتنی بر
پیام، یا شاید عنوان و یا

202
00:10:09,130 --> 00:10:11,310
شاید برخی از الگوی است که شما داشته باشد.

203
00:10:11,310 --> 00:10:15,690
>> بنابراین، اساسا، آنچه که شما می توانید انجام دهید این است که
بسیاری از داده ها از ایمیل های اسپم،

204
00:10:15,690 --> 00:10:19,980
ایمیل که اسپم نیست، و یاد بگیرند چه
نوع الگوهای شما در داشته باشد

205
00:10:19,980 --> 00:10:21,000
آنهایی که می اسپم.

206
00:10:21,000 --> 00:10:23,260
و این بخشی از محاسباتی است
زبان شناسی.

207
00:10:23,260 --> 00:10:24,720
این طبقه بندی داده ها نامیده می شود.

208
00:10:24,720 --> 00:10:28,100
و ما در واقع رفتن به
به عنوان مثال آن را در اسلاید بعدی.

209
00:10:28,100 --> 00:10:32,910
>> دومین چیزی که به زبان طبیعی است
پردازش است که در آن چیزی است که

210
00:10:32,910 --> 00:10:36,580
نمودار جستجو در حال انجام است از اجازه دادن به
شما ارسال در یک جمله.

211
00:10:36,580 --> 00:10:38,690
و این اعتماد شما را در درک آنچه
معنی می دهد و

212
00:10:38,690 --> 00:10:39,940
شما در نتیجه بهتر است.

213
00:10:39,940 --> 00:10:43,880
در واقع، اگر شما به گوگل و یا بینگ به
و شما چیزی شبیه به بانوی جستجو

214
00:10:43,880 --> 00:10:47,060
ارتفاع دل شکسته، شما در واقع رفتن
برای به دست آوردن 5 '1 "به جای اطلاعات

215
00:10:47,060 --> 00:10:50,170
از او دلیل آن را در واقع می فهمد
آنچه که شما در حال صحبت کردن در مورد.

216
00:10:50,170 --> 00:10:52,140
به طوری که بخشی از طبیعی است
پردازش زبان.

217
00:10:52,140 --> 00:10:57,000
>> و یا همچنین هنگامی که شما با استفاده از سیری، برای اولین بار
شما یک الگوریتم است که تلاش می کند به

218
00:10:57,000 --> 00:11:01,130
ترجمه آنچه شما می گویید
به کلمه، در متن.

219
00:11:01,130 --> 00:11:03,690
و پس از آن تلاش می کند برای ترجمه
که به معنای.

220
00:11:03,690 --> 00:11:06,570
به طوری که همه بخشی از طبیعی است
پردازش زبان.

221
00:11:06,570 --> 00:11:08,320
>> سپس شما باید ترجمه ماشینی -

222
00:11:08,320 --> 00:11:10,300
است که در واقع یک
از مورد علاقه های من -

223
00:11:10,300 --> 00:11:14,060
است که فقط ترجمه از
زبان به زبان دیگر.

224
00:11:14,060 --> 00:11:17,950
بنابراین شما می توانید فکر می کنم که هنگامی که شما در حال انجام
ترجمه ماشینی، شما باید

225
00:11:17,950 --> 00:11:19,750
امکانات بی نهایت جملات.

226
00:11:19,750 --> 00:11:22,960
بنابراین هیچ راهی تنها ذخیره سازی وجود دارد
هر ترجمه تنها.

227
00:11:22,960 --> 00:11:27,440
بنابراین شما باید آمد تا با جالب
الگوریتم قادر به

228
00:11:27,440 --> 00:11:30,110
ترجمه هر
جمله در برخی از راه.

229
00:11:30,110 --> 00:11:32,483
>> شما هر گونه سوال تا کنون؟

230
00:11:32,483 --> 00:11:34,450
هیچ؟

231
00:11:34,450 --> 00:11:34,830
OK.

232
00:11:34,830 --> 00:11:36,900
>> پس چه می خواهیم برای دیدن امروز؟

233
00:11:36,900 --> 00:11:39,300
اول از همه، من قصد دارم به بحث در مورد
مشکل طبقه بندی.

234
00:11:39,300 --> 00:11:41,440
بنابراین یکی که من بود
گفت: در مورد اسپم.

235
00:11:41,440 --> 00:11:46,820
چه من قصد دارم برای انجام این کار است، شعر داده شده
به یک آهنگ می تواند شما سعی می کنید به کشف کردن

236
00:11:46,820 --> 00:11:49,810
با احتمال بالا
که خواننده است؟

237
00:11:49,810 --> 00:11:53,590
اجازه دهید بگویم که من آهنگ از بانو
گاگا و کتی پری، اگر من شما را

238
00:11:53,590 --> 00:11:58,130
آهنگ جدید، می تواند شما را شکل اگر
این کتی پری و یا لیدی گاگا؟

239
00:11:58,130 --> 00:12:01,490
>> دوم، من فقط رفتن به صحبت
در مورد مشکل تقسیم بندی می شود.

240
00:12:01,490 --> 00:12:05,780
بنابراین من نمی دانم اگر شما بچه ها می دانم، اما
چینی، ژاپنی، دیگر شرق آسیا

241
00:12:05,780 --> 00:12:08,090
زبان، و زبان های دیگر
به طور کلی، لازم نیست

242
00:12:08,090 --> 00:12:09,830
فاصله بین کلمات.

243
00:12:09,830 --> 00:12:13,540
و پس از آن اگر شما در مورد راه که فکر می کنم
نوع کامپیوتر شما را از تلاش می کند تا

244
00:12:13,540 --> 00:12:18,600
درک پردازش زبان طبیعی،
آن را در واژه ها به نظر می رسد و

245
00:12:18,600 --> 00:12:21,500
تلاش می کند تا درک روابط
بین آنها، درست است؟

246
00:12:21,500 --> 00:12:25,440
اما پس از آن اگر شما چینی، و شما
صفر فاصله، آن را واقعا سخت است

247
00:12:25,440 --> 00:12:28,360
پیدا کردن آنچه که رابطه بین است
کلمات، چرا که آنها هیچ ندارد

248
00:12:28,360 --> 00:12:29,530
کلمات در ابتدا.

249
00:12:29,530 --> 00:12:32,600
بنابراین شما باید برای انجام کاری به نام
تقسیم بندی که فقط به معنی قرار دادن

250
00:12:32,600 --> 00:12:36,490
فاصله ای که بین آنچه ما می خواهم تماس بگیرید
کلمات در این زبان.

251
00:12:36,490 --> 00:12:37,740
را حس؟

252
00:12:37,740 --> 00:12:39,680

253
00:12:39,680 --> 00:12:41,540
>> و پس از آن ما قصد داریم به
در مورد نحو صحبت کنید.

254
00:12:41,540 --> 00:12:44,050
پس فقط کمی در مورد طبیعی
پردازش زبان.

255
00:12:44,050 --> 00:12:45,420
این خواهد بود فقط یک مرور کلی.

256
00:12:45,420 --> 00:12:50,700
بنابراین، امروز، اساسا چیزی است که من می خواهم به انجام
است شما بچه ها کمی از را

257
00:12:50,700 --> 00:12:53,930
در داخل از فرصت چه می باشد
که شما می توانید با محاسباتی انجام

258
00:12:53,930 --> 00:12:54,960
زبان شناسی.

259
00:12:54,960 --> 00:13:00,410
و سپس شما می توانید ببینید چه چیزی شما فکر می کنم
در میان کسانی که همه چیز سرد است.

260
00:13:00,410 --> 00:13:02,270
و شاید شما می توانید از یک پروژه فکر می کنم
و آمد با من صحبت کنی.

261
00:13:02,270 --> 00:13:05,260
و من می تواند به شما مشاوره بدهند
در مورد چگونگی پیاده سازی آن.

262
00:13:05,260 --> 00:13:09,060
>> بنابراین ترکیب نحوی است برای رفتن به یک کمی
در مورد جستجو در نمودار و ماشین

263
00:13:09,060 --> 00:13:09,670
ترجمه.

264
00:13:09,670 --> 00:13:13,650
من فقط رفتن به یک مثال از چگونگی
شما می توانید، برای مثال، ترجمه

265
00:13:13,650 --> 00:13:16,020
چیزی از پرتغالی به انگلیسی.

266
00:13:16,020 --> 00:13:17,830
به نظر می رسد خوب است؟

267
00:13:17,830 --> 00:13:19,293
>> پس اول، مشکل طبقه بندی.

268
00:13:19,293 --> 00:13:23,590
من می گویم که این بخش از سمینار
در حال رفتن به چالش برانگیزترین

269
00:13:23,590 --> 00:13:27,560
یکی فقط به خاطر رفتن وجود دارد
به برخی از برنامه نویسی.

270
00:13:27,560 --> 00:13:29,470
اما برای رفتن به پایتون.

271
00:13:29,470 --> 00:13:34,380
من می دانم که شما بچه ها نمی پایتون دانم، پس
من فقط رفتن به در بالا توضیح

272
00:13:34,380 --> 00:13:35,750
سطح کار من.

273
00:13:35,750 --> 00:13:40,900
و شما لازم نیست که واقعا اهمیت بیش از حد
زیاد در مورد نحو چرا که

274
00:13:40,900 --> 00:13:42,140
چیزی است که شما بچه ها می توانند یاد بگیرند.

275
00:13:42,140 --> 00:13:42,540
OK؟

276
00:13:42,540 --> 00:13:43,580
به نظر می رسد خوب است.

277
00:13:43,580 --> 00:13:46,020
>> پس چه مشکل طبقه بندی است؟

278
00:13:46,020 --> 00:13:49,140
بنابراین شما برخی از اشعار داده شده در حال
یک آهنگ، و شما می خواهید به حدس زدن

279
00:13:49,140 --> 00:13:50,620
که به آواز خواندن آن.

280
00:13:50,620 --> 00:13:54,045
و این می تواند برای هر نوع است
از مشکلات دیگر.

281
00:13:54,045 --> 00:13:59,980
بنابراین می توان آن را، به عنوان مثال، شما یک
انتخابات ریاست جمهوری و شما باید یک

282
00:13:59,980 --> 00:14:02,610
بیان، و شما می خواهید برای پیدا کردن
اگر آن بود، به عنوان مثال،

283
00:14:02,610 --> 00:14:04,470
اوباما و میت رامنی.

284
00:14:04,470 --> 00:14:07,700
یا شما می توانید یک دسته از ایمیل ها و
شما می خواهید برای کشف کردن در صورتی که

285
00:14:07,700 --> 00:14:08,890
اسپم یا نه.

286
00:14:08,890 --> 00:14:11,440
پس این فقط طبقه بندی برخی از
داده ها بر اساس کلمات

287
00:14:11,440 --> 00:14:13,790
که شما وجود دارد.

288
00:14:13,790 --> 00:14:16,295
>> بنابراین برای انجام این کار، شما را به
برخی از مفروضات.

289
00:14:16,295 --> 00:14:20,570
پس زیادی در مورد زبان شناسی.
در حال مفروضات،

290
00:14:20,570 --> 00:14:24,100
مفروضات معمولا هوشمند، به طوری که
شما می توانید نتایج خوبی دریافت کنید.

291
00:14:24,100 --> 00:14:26,670
تلاش برای ایجاد یک مدل برای آن.

292
00:14:26,670 --> 00:14:31,290
و سپس آن را امتحان کنید و ببینید که اگر آن کار می کند،
اگر آن را به شما می دهد دقت خوب است.

293
00:14:31,290 --> 00:14:33,940
و اگر آن را ندارد، پس از آن شما
سعی در بهبود آن.

294
00:14:33,940 --> 00:14:37,640
اگر آن را ندارد، شما مانند، OK، هستید شاید من
باید فرض متفاوت.

295
00:14:37,640 --> 00:14:44,030
>> بنابراین این فرض که ما قصد داریم به
این است که یک هنرمند معمولا آواز می خواند

296
00:14:44,030 --> 00:14:49,220
در مورد یک موضوع چندین بار، و شاید
با استفاده از کلمات چند بار فقط

297
00:14:49,220 --> 00:14:50,270
چرا که آنها به آن استفاده می شود.

298
00:14:50,270 --> 00:14:51,890
شما فقط می توانید از دوستان خود فکر می کنم.

299
00:14:51,890 --> 00:14:57,350
من مطمئن هستم که شما بچه ها همه دوستان هستم
که می گویند عبارت امضای خود،

300
00:14:57,350 --> 00:14:59,260
به معنای واقعی کلمه برای هر جمله تنها -

301
00:14:59,260 --> 00:15:02,660
مانند برخی از کلمه خاص یا خاص
عبارت که آنها را برای می گویند

302
00:15:02,660 --> 00:15:04,020
هر جمله تنها.

303
00:15:04,020 --> 00:15:07,920
>> و چه می توان گفت این است که اگر شما می بینید
یک جمله است که یک امضا

304
00:15:07,920 --> 00:15:11,450
عبارت، شما می توانید حدس می زنم که احتمالا
دوست شما است

305
00:15:11,450 --> 00:15:13,310
یکی از آن گفت، درست است؟

306
00:15:13,310 --> 00:15:18,410
بنابراین شما را به این فرض و پس از آن
این که چگونه یک مدل را ایجاد می کنید.

307
00:15:18,410 --> 00:15:24,440
>> به عنوان مثال که من قصد دارم به در است
چگونه بانوی دل شکسته، به عنوان مثال، مردم

308
00:15:24,440 --> 00:15:27,430
می گویند که او استفاده می کند "کودک" برای
همه او را شماره یک آهنگ می باشد.

309
00:15:27,430 --> 00:15:32,270
و در واقع این یک ویدیو است که نشان می دهد
او گفت کلمه "کودک" برای

310
00:15:32,270 --> 00:15:33,410
آهنگ های مختلف.

311
00:15:33,410 --> 00:15:33,860
>> [پخش ویدئو]

312
00:15:33,860 --> 00:15:34,310
>> - (آواز خواندن) کودک.

313
00:15:34,310 --> 00:15:36,220
کودک.

314
00:15:36,220 --> 00:15:37,086
کودک.

315
00:15:37,086 --> 00:15:37,520
کودک.

316
00:15:37,520 --> 00:15:37,770
کودک.

317
00:15:37,770 --> 00:15:38,822
شخص ساده و معصوم.

318
00:15:38,822 --> 00:15:39,243
کودک.

319
00:15:39,243 --> 00:15:40,085
کودک.

320
00:15:40,085 --> 00:15:40,510
کودک.

321
00:15:40,510 --> 00:15:40,850
کودک.

322
00:15:40,850 --> 00:15:41,090
>> [VIDEO END پخش،

323
00:15:41,090 --> 00:15:44,020
>> LUCAS فریتاس: پس وجود دارد، من فکر می کنم،
40 آهنگ در اینجا که در آن او می گوید:

324
00:15:44,020 --> 00:15:48,690
کلمه "عزیزم." بنابراین شما اساسا می توانید حدس بزنید
که اگر شما یک آهنگ است که ببینید

325
00:15:48,690 --> 00:15:52,180
کلمه "عزیزم،" برخی از بالا وجود دارد
احتمال که این بانوی دل شکسته.

326
00:15:52,180 --> 00:15:56,450
اما اجازه دهید سعی کنید برای توسعه این
بیشتر به طور رسمی تر.

327
00:15:56,450 --> 00:16:00,470
>> پس این شعر به آهنگ های می باشد
لیدی گاگا و کتی پری.

328
00:16:00,470 --> 00:16:04,120
بنابراین شما در لیدی گاگا نگاه کنید، شما آنها را مشاهده کنید
تعداد زیادی از تکرار "کودک"

329
00:16:04,120 --> 00:16:07,710
بسیاری از تکرار "راه." و پس از آن
کتی پری تا به بسیاری از وقوع

330
00:16:07,710 --> 00:16:10,360
"،" بسیاری از تکرار "آتش است."

331
00:16:10,360 --> 00:16:14,560
>> بنابراین اساسا آنچه که ما به خواهید
انجام شده است، شما شعر را دریافت کنید.

332
00:16:14,560 --> 00:16:20,480
اجازه دهید بگویم که شما یک شعر برای دریافت
آهنگ این است که "عزیزم،" فقط "عزیزم." اگر

333
00:16:20,480 --> 00:16:24,750
شما فقط کلمه "کودک"، و این
تمام داده هایی را که شما را از داشته است

334
00:16:24,750 --> 00:16:27,880
لیدی گاگا و کتی پری، که می خواهند
شما حدس می زنم شخص

335
00:16:27,880 --> 00:16:29,370
که آهنگ آواز می خواند؟

336
00:16:29,370 --> 00:16:32,360
لیدی گاگا و کتی پری؟

337
00:16:32,360 --> 00:16:33,150
بانوی دل شکسته، درست است؟

338
00:16:33,150 --> 00:16:37,400
از آنجا که او تنها کسی بود که می گوید است
"عزیزم." این برای تلفن های موبایل و نرم افزار، درست است؟

339
00:16:37,400 --> 00:16:38,760
OK، این واقعا آسان است.

340
00:16:38,760 --> 00:16:41,860
من فقط به دنبال در دو آهنگ و
البته، او تنها کسی است که به این

341
00:16:41,860 --> 00:16:42,660
"عزیزم."

342
00:16:42,660 --> 00:16:44,740
>> اما اگر شما یک دسته از کلمات؟

343
00:16:44,740 --> 00:16:50,900
اگر شما از یک شعر واقعی، چیزی
مثل، "عزیزم، من فقط

344
00:16:50,900 --> 00:16:51,610
رفتم برای دیدن [؟ CFT؟]

345
00:16:51,610 --> 00:16:54,020
سخنرانی، "و یا چیزی شبیه به آن، و
پس از آن شما در واقع باید به شکل از -

346
00:16:54,020 --> 00:16:55,780
بر اساس همه این واژه ها -

347
00:16:55,780 --> 00:16:58,350
که هنرمندی که احتمالا است
این آهنگ خواند؟

348
00:16:58,350 --> 00:17:01,860
بنابراین اجازه دهید سعی کنید برای توسعه
این کمی بیشتر.

349
00:17:01,860 --> 00:17:05,630
>> OK، بنابراین فقط بر روی داده ها بر اساس است که ما
رو، به نظر می رسد که دل شکسته است که احتمالا

350
00:17:05,630 --> 00:17:06,260
خواننده.

351
00:17:06,260 --> 00:17:07,904
اما چگونه می توان از ارسال
این به طور رسمی تر؟

352
00:17:07,904 --> 00:17:10,579

353
00:17:10,579 --> 00:17:13,140
و وجود دارد برای رفتن به یک کمی
کمی از آمار.

354
00:17:13,140 --> 00:17:15,880
بنابراین اگر شما از دست داده، فقط سعی کنید
برای درک مفهوم.

355
00:17:15,880 --> 00:17:18,700
مهم نیست که اگر شما را در درک
معادلات به خوبی.

356
00:17:18,700 --> 00:17:22,150
این همه رفتن به صورت آنلاین.

357
00:17:22,150 --> 00:17:25,490
>> بنابراین اساسا آنچه که من محاسبه است
احتمال این که این آهنگ توسط

358
00:17:25,490 --> 00:17:28,040
بانوی دل شکسته با توجه به اینکه -

359
00:17:28,040 --> 00:17:30,660
پس این بار با توجه به معنی که -

360
00:17:30,660 --> 00:17:33,680
من کلمه را دیدم "عزیزم."
آیا این را حس؟

361
00:17:33,680 --> 00:17:35,540
بنابراین من در تلاش برای محاسبه
که احتمال.

362
00:17:35,540 --> 00:17:38,540
>> پس این قضیه به نام وجود دارد
قضیه بیز است که می گوید که

363
00:17:38,540 --> 00:17:43,330
احتمال B داده شده است،
احتمال B داده شده A، برابر

364
00:17:43,330 --> 00:17:47,660
احتمال A، بیش از احتمال
از B. این یک معادله طولانی است.

365
00:17:47,660 --> 00:17:51,970
اما آنچه شما باید از درک
که این است که این چیزی است که من می خواهم

366
00:17:51,970 --> 00:17:52,830
محاسبه، درست است؟

367
00:17:52,830 --> 00:17:56,570
بنابراین احتمال این که این آهنگ است
بانوی دل شکسته با توجه به اینکه من کلمه دیدم

368
00:17:56,570 --> 00:17:58,230
"عزیزم."

369
00:17:58,230 --> 00:18:02,960
>> و در حال حاضر آنچه که من گرفتن است
احتمال از کلمه "کودک" داده شده

370
00:18:02,960 --> 00:18:04,390
که من آن را بانوی دل شکسته.

371
00:18:04,390 --> 00:18:07,220
و چه چیزی است که اساسا؟

372
00:18:07,220 --> 00:18:10,500
این بدان معناست، آنچه که
احتمال دیدن کلمه "کودک"

373
00:18:10,500 --> 00:18:12,130
در شعر دل شکسته؟

374
00:18:12,130 --> 00:18:16,240
اگر من می خواهم برای محاسبه است که در بسیار
راه ساده، آن را فقط به تعداد است

375
00:18:16,240 --> 00:18:23,640
بار من "کودک" را ببینید بیش از تعداد کل
از کلمات در شعر دل شکسته، درست است؟

376
00:18:23,640 --> 00:18:27,600
فرکانس که من می بینم چیست
که کلمه در کار دل شکسته؟

377
00:18:27,600 --> 00:18:30,530
را حس؟

378
00:18:30,530 --> 00:18:33,420
>> دوره دوم است
احتمال دل شکسته.

379
00:18:33,420 --> 00:18:34,360
به چه معنا است؟

380
00:18:34,360 --> 00:18:38,550
که اساسا بدان معنی است، آنچه که
احتمال طبقه بندی

381
00:18:38,550 --> 00:18:40,690
برخی از اشعار به عنوان دل شکسته؟

382
00:18:40,690 --> 00:18:45,320
و این نوع از عجیب و غریب، اما
اجازه دهید یک مثال فکر می کنم.

383
00:18:45,320 --> 00:18:49,230
بنابراین اجازه دهید بگویم که احتمال
داشتن "کودک" در یک آهنگ یکسان است

384
00:18:49,230 --> 00:18:51,760
برای دل شکسته و بریتنی اسپیرز.

385
00:18:51,760 --> 00:18:54,950
اما بریتنی اسپیرز دو برابر است
آهنگ بیشتر از بانوی دل شکسته.

386
00:18:54,950 --> 00:19:00,570
بنابراین اگر کسی فقط به طور تصادفی به شما می دهد
شعر از: "عزیزم،" اولین چیزی که شما

387
00:19:00,570 --> 00:19:04,710
نگاه است، چه احتمال است
داشتن "کودک" در یک آهنگ دل شکسته، "کودک"

388
00:19:04,710 --> 00:19:05,410
در یک آهنگ بریتنی؟

389
00:19:05,410 --> 00:19:06,460
و این همان چیزی است.

390
00:19:06,460 --> 00:19:10,040
>> بنابراین دومین چیزی که شما خواهید دید است،
خب، چه احتمال است

391
00:19:10,040 --> 00:19:13,770
این شعر توسط خود را به عنوان یک شعر دل شکسته،
و چه احتمال است

392
00:19:13,770 --> 00:19:15,380
بودن شعر بریتنی؟

393
00:19:15,380 --> 00:19:18,950
پس از بریتنی تا به بسیاری از اشعار
از دل شکسته، شما را احتمالا

394
00:19:18,950 --> 00:19:21,470
می گویند، خوب، این است که احتمالا
شعر بریتنی.

395
00:19:21,470 --> 00:19:23,340
به همین دلیل ما باید این
اصطلاح حق در اینجا.

396
00:19:23,340 --> 00:19:24,670
احتمال دل شکسته.

397
00:19:24,670 --> 00:19:26,950
را حس می کند؟

398
00:19:26,950 --> 00:19:28,660
آیا آن؟

399
00:19:28,660 --> 00:19:29,370
OK.

400
00:19:29,370 --> 00:19:33,500
>> و یکی از آخرین تنها احتمال است
از "کودک" که نمی کند

401
00:19:33,500 --> 00:19:34,810
واقعا مهم نیست که بسیار.

402
00:19:34,810 --> 00:19:39,940
اما این احتمال است
دیدن "کودک" به زبان انگلیسی.

403
00:19:39,940 --> 00:19:42,725
ما معمولا اهمیتی نمی دهند که
بسیار در مورد آن مدت است.

404
00:19:42,725 --> 00:19:44,490
آیا این را حس؟

405
00:19:44,490 --> 00:19:48,110
بنابراین احتمال دل شکسته
به نام احتمال قبل

406
00:19:48,110 --> 00:19:49,530
دل شکسته کلاس.

407
00:19:49,530 --> 00:19:53,840
از آنجا که این فقط بدان معناست که، آنچه که
احتمال داشتن آن کلاس -

408
00:19:53,840 --> 00:19:55,520
که دل شکسته -

409
00:19:55,520 --> 00:19:59,350
فقط به طور کلی، فقط
با شرایط.

410
00:19:59,350 --> 00:20:02,560
>> و پس از آن زمانی که من احتمال داشته باشد
دل شکسته داده شده "عزیزم،" ما آن را به اضافه

411
00:20:02,560 --> 00:20:06,160
پر از اشک احتمال به خاطر آن
احتمال داشتن

412
00:20:06,160 --> 00:20:08,300
دل شکسته برخی از شواهد داده شده است.

413
00:20:08,300 --> 00:20:11,050
بنابراین من به شما دادن شواهد
که من کلمه کودک را دیدم و

414
00:20:11,050 --> 00:20:12,690
این آهنگ را حس؟

415
00:20:12,690 --> 00:20:15,960

416
00:20:15,960 --> 00:20:16,410
OK.

417
00:20:16,410 --> 00:20:22,400
>> بنابراین اگر من محاسبه شده است که برای هر یک از
از آهنگ را برای بانوی دل شکسته،

418
00:20:22,400 --> 00:20:25,916
آنچه که خواهد بود -

419
00:20:25,916 --> 00:20:27,730
ظاهرا، من می توانم این حرکت نمی کند.

420
00:20:27,730 --> 00:20:31,850

421
00:20:31,850 --> 00:20:36,920
احتمال گاگا خواهد بود
چیزی شبیه به، 2 بیش از 24 بار 1/2،

422
00:20:36,920 --> 00:20:38,260
بیش از 2 بیش از 53.

423
00:20:38,260 --> 00:20:40,640
مهم نیست که اگر شما بدانید چه
این اعداد می آیید.

424
00:20:40,640 --> 00:20:44,750
اما این فقط یک شماره است که رفتن است
به بیش از 0، درست است؟

425
00:20:44,750 --> 00:20:48,610
>> و پس از آن زمانی که من کتی پری،
احتمال "کودک" داده شده کتی است

426
00:20:48,610 --> 00:20:49,830
در حال حاضر 0، درست است؟

427
00:20:49,830 --> 00:20:52,820
از آنجا که هیچ "کودک" وجود دارد
در کتی پری.

428
00:20:52,820 --> 00:20:56,360
بنابراین پس از این می شود 0 و دل شکسته
برنده، به این معنی که دل شکسته

429
00:20:56,360 --> 00:20:57,310
احتمالا خواننده.

430
00:20:57,310 --> 00:20:58,560
آیا این را حس؟

431
00:20:58,560 --> 00:21:00,700

432
00:21:00,700 --> 00:21:01,950
OK.

433
00:21:01,950 --> 00:21:04,160

434
00:21:04,160 --> 00:21:11,750
>> پس اگر من می خواهم این رسمی تر،
من در واقع می توانید انجام دهید یک مدل

435
00:21:11,750 --> 00:21:12,700
چند کلمه.

436
00:21:12,700 --> 00:21:14,610
بنابراین اجازه دهید بگویم که من چیزی
مثل، "عزیزم، من هستم

437
00:21:14,610 --> 00:21:16,030
در آتش، "و یا چیزی.

438
00:21:16,030 --> 00:21:17,760
پس از آن تا چند کلمه.

439
00:21:17,760 --> 00:21:20,880
و در این مورد، شما می توانید ببینید
که "کودک" است در دل شکسته،

440
00:21:20,880 --> 00:21:21,710
اما در کتی نیست.

441
00:21:21,710 --> 00:21:24,940
و "آتش" است در کتی، اما
آن را در دل شکسته، درست است؟

442
00:21:24,940 --> 00:21:27,200
بنابراین آن را گرفتن سختتر، درست است؟

443
00:21:27,200 --> 00:21:31,440
از آنجا که به نظر می رسد که شما تقریبا
یک رابطه بین این دو.

444
00:21:31,440 --> 00:21:36,980
>> بنابراین آنچه شما باید انجام دهید این است فرض
استقلال در میان کلمات.

445
00:21:36,980 --> 00:21:41,210
بنابراین اساسا آنچه که بدان معنی است که
من فقط محاسبه چه است

446
00:21:41,210 --> 00:21:44,330
احتمال دیدن "عزیزم،" چه چیزی است
احتمال دیدن "I"، و

447
00:21:44,330 --> 00:21:46,670
"هستم"، و "در" و "آتش"
همه به طور جداگانه.

448
00:21:46,670 --> 00:21:48,670
سپس من ضرب همه آنها.

449
00:21:48,670 --> 00:21:52,420
و من از دیدن آنچه احتمال است
دیدن تمام جمله.

450
00:21:52,420 --> 00:21:55,210
را حس؟

451
00:21:55,210 --> 00:22:00,270
>> بنابراین اساسا، اگر من فقط یک کلمه داشته باشد،
چه من می خواهم برای پیدا کردن حداکثر ارگ است،

452
00:22:00,270 --> 00:22:05,385
که بدان معنی است، چه طبقه است که
به من بالاترین احتمال؟

453
00:22:05,385 --> 00:22:10,010
پس چه طبقه است که دادن است
من بیشترین احتمال برای

454
00:22:10,010 --> 00:22:11,940
احتمال کلاس داده شده کلمه است.

455
00:22:11,940 --> 00:22:17,610
بنابراین در این مورد، دل شکسته داده شده "عزیزم."
یا کتی داده شده "عزیزم." را حس؟

456
00:22:17,610 --> 00:22:21,040
>> و فقط از بیز، که
معادله I نشان داد،

457
00:22:21,040 --> 00:22:24,780
ما ایجاد این بخش.

458
00:22:24,780 --> 00:22:28,750
تنها چیزی است که شما می بینید که
احتمال کلمه داده شده

459
00:22:28,750 --> 00:22:31,370
تغییرات کلاس بسته
در کلاس، درست است؟

460
00:22:31,370 --> 00:22:34,260
تعداد "کودک" است که من
در گاگا متفاوت از کتی است.

461
00:22:34,260 --> 00:22:37,640
احتمال از کلاس نیز
تغییرات زیرا تنها تعداد است

462
00:22:37,640 --> 00:22:39,740
از آهنگ های هر یک از آنها است.

463
00:22:39,740 --> 00:22:43,980
>> اما احتمال از خود کلمه می
در حال رفتن به همان برای همه

464
00:22:43,980 --> 00:22:44,740
هنرمندان، درست است؟

465
00:22:44,740 --> 00:22:47,150
بنابراین احتمال از کلمه است
فقط، آنچه را که احتمال است

466
00:22:47,150 --> 00:22:49,820
دیدن آن کلمه در
زبان انگلیسی؟

467
00:22:49,820 --> 00:22:51,420
پس از آن همین کار را برای همه آنها.

468
00:22:51,420 --> 00:22:55,790
پس از این ثابت است، ما فقط می تواند
رها از این و در مورد آن اهمیتی نمی دهند.

469
00:22:55,790 --> 00:23:00,230
بنابراین این در واقع خواهد شد
معادله ما به دنبال.

470
00:23:00,230 --> 00:23:03,360
>> و اگر من چند کلمه، من هستم
هنوز هم به قبل

471
00:23:03,360 --> 00:23:04,610
احتمال در اینجا.

472
00:23:04,610 --> 00:23:06,980
تنها چیزی است که من ضرب
احتمال

473
00:23:06,980 --> 00:23:08,490
همه عبارت دیگر.

474
00:23:08,490 --> 00:23:10,110
پس من ضرب همه آنها.

475
00:23:10,110 --> 00:23:12,610
را حس؟

476
00:23:12,610 --> 00:23:18,440
به نظر می رسد عجیب و غریب اما اساسا بدان معنی است،
محاسبه قبل از کلاس، و

477
00:23:18,440 --> 00:23:22,100
پس از آن احتمال هر ضرب
از کلمات که در آن کلاس.

478
00:23:22,100 --> 00:23:24,620

479
00:23:24,620 --> 00:23:29,150
>> و شما می دانید که احتمال
کلمه داده شده یک کلاس است برای رفتن به

480
00:23:29,150 --> 00:23:34,520
چند بار آن کلمه را در
آن کلاس، تقسیم بر تعداد

481
00:23:34,520 --> 00:23:37,020
کلمات شما در آن داشته
کلاس به طور کلی.

482
00:23:37,020 --> 00:23:37,990
را حس؟

483
00:23:37,990 --> 00:23:41,680
این فقط چگونگی "کودک" 2 تمام شد
تعداد کلماتی را که

484
00:23:41,680 --> 00:23:43,020
من در شعر بود.

485
00:23:43,020 --> 00:23:45,130
پس فقط از فرکانس.

486
00:23:45,130 --> 00:23:46,260
>> اما یک چیز وجود دارد.

487
00:23:46,260 --> 00:23:51,250
به یاد داشته باشید که چگونه من بود که نشان می دهد
احتمال "کودک" که اشعار

488
00:23:51,250 --> 00:23:56,350
از کتی پری 0 بود فقط به خاطر کتی
پری به "کودک" در تمام نیست؟

489
00:23:56,350 --> 00:24:04,900
اما این مساله یک کمی سخت به تنها
به سادگی می گویند که شعر نمی تواند از است

490
00:24:04,900 --> 00:24:10,040
یک هنرمند فقط به خاطر اینکه آنها لازم نیست
این کلمه به طور خاص در هر زمان.

491
00:24:10,040 --> 00:24:13,330
>> بنابراین شما فقط می گفت: خوب، اگر شما
این کلمه را نداشته باشند، من قصد دارم

492
00:24:13,330 --> 00:24:15,640
شما با احتمال کمتر را،
اما من فقط رفتن به نمی

493
00:24:15,640 --> 00:24:17,420
شما 0 به سمت راست دور می دهد.

494
00:24:17,420 --> 00:24:21,040
از آنجا که شاید چیزی شبیه به، بود
"آتش، آتش، آتش، آتش" است که

495
00:24:21,040 --> 00:24:21,990
کاملا کتی پری.

496
00:24:21,990 --> 00:24:26,060
و پس از آن "کودک"، و آن را فقط به می رود
0 از حق دور به دلیل وجود می داشت

497
00:24:26,060 --> 00:24:27,250
"عزیزم."

498
00:24:27,250 --> 00:24:31,440
>> بنابراین اساسا آنچه که ما انجام کاری است
به نام صاف لاپلاس صدق میکند.

499
00:24:31,440 --> 00:24:36,260
و این فقط بدان معناست که من به
برخی از احتمال حتی به کلمات

500
00:24:36,260 --> 00:24:37,850
که وجود ندارد.

501
00:24:37,850 --> 00:24:43,170
پس آنچه که من انجام دهید این است که زمانی که من هستم
محاسبه این، من همیشه 1 اضافه به

502
00:24:43,170 --> 00:24:44,180
صورت کسر.

503
00:24:44,180 --> 00:24:48,060
بنابراین حتی اگر کلمه وجود ندارد، در
در این صورت، اگر این 0 است، من هنوز هستم

504
00:24:48,060 --> 00:24:51,250
محاسبه این به عنوان 1 در طول
تعداد کل کلمات.

505
00:24:51,250 --> 00:24:55,060
در غیر این صورت، من چگونه بسیاری از واژه ها
من و من اضافه کردن 1.

506
00:24:55,060 --> 00:24:58,300
پس من شمارش برای هر دو مورد.

507
00:24:58,300 --> 00:25:00,430
را حس؟

508
00:25:00,430 --> 00:25:03,060
>> پس به انجام برخی از برنامه نویسی.

509
00:25:03,060 --> 00:25:06,440
من قصد دارم به آن را انجام دهد بسیار سریع،
اما این فقط مهم است که شما

510
00:25:06,440 --> 00:25:08,600
بچه ها درک مفاهیم.

511
00:25:08,600 --> 00:25:13,450
بنابراین آنچه ما در حال تلاش برای انجام
دقیقا این اجرا

512
00:25:13,450 --> 00:25:14,330
چیزی که من فقط می گفت -

513
00:25:14,330 --> 00:25:19,110
من می خواهم شما را برای قرار دادن اشعار
لیدی گاگا و کتی پری.

514
00:25:19,110 --> 00:25:22,980
و برنامه است که قادر به
می گویند اگر این شعر جدید از دل شکسته است

515
00:25:22,980 --> 00:25:24,170
یا کتی پری.

516
00:25:24,170 --> 00:25:25,800
را حس؟

517
00:25:25,800 --> 00:25:27,530
OK.

518
00:25:27,530 --> 00:25:30,710
>> بنابراین من این برنامه من قصد داشته
به classify.py تماس بگیرید.

519
00:25:30,710 --> 00:25:31,970
بنابراین این پایتون است.

520
00:25:31,970 --> 00:25:34,210
این یک زبان برنامه نویسی جدید است.

521
00:25:34,210 --> 00:25:38,020
این در برخی بسیار مشابه است
راه هایی برای C و PHP.

522
00:25:38,020 --> 00:25:43,180
این شبیه به این دلیل اگر شما می خواهید
پایتون یاد می گیرند پس از دانستن C، آن را

523
00:25:43,180 --> 00:25:46,270
واقعا که خیلی از چالش نیست
فقط به خاطر اینکه پایتون بسیار ساده تر است

524
00:25:46,270 --> 00:25:47,520
از C، اول از همه.

525
00:25:47,520 --> 00:25:49,370
و بسیاری از مسائل در حال حاضر
اجرا برای شما.

526
00:25:49,370 --> 00:25:56,820
پس فقط چگونه مانند PHP توابع که
مرتب سازی یک لیست، و یا چیزی اضافه

527
00:25:56,820 --> 00:25:58,780
به یک آرایه، و یا، اه، اه، اه.

528
00:25:58,780 --> 00:26:00,690
پایتون است همه از آن نیز هست.

529
00:26:00,690 --> 00:26:05,960
>> بنابراین من فقط رفتن برای توضیح به سرعت
چگونه ما می تواند طبقه بندی انجام

530
00:26:05,960 --> 00:26:07,860
مشکل در اینجا.

531
00:26:07,860 --> 00:26:13,230
بنابراین اجازه دهید بگویم که در این مورد، من
شعر از گاگا و کتی پری.

532
00:26:13,230 --> 00:26:21,880
راه است که من آن اشعار این است که
اولین کلمه شعر است

533
00:26:21,880 --> 00:26:25,250
نام هنرمند، و
بقیه اشعار است.

534
00:26:25,250 --> 00:26:29,470
بنابراین اجازه دهید بگویم که من این لیست در
که یکی از اولین اشعار دل شکسته.

535
00:26:29,470 --> 00:26:31,930
بنابراین در اینجا من در مسیر صحیح است.

536
00:26:31,930 --> 00:26:35,270
و یک بعدی کتی است، و
آن را نیز اشعار.

537
00:26:35,270 --> 00:26:38,040
>> پس این است که چگونه شما اعلام
یک متغیر در پایتون.

538
00:26:38,040 --> 00:26:40,200
شما لازم نیست به نوع داده.

539
00:26:40,200 --> 00:26:43,150
شما فقط ارسال "شعر"
نوع در PHP می خواهم.

540
00:26:43,150 --> 00:26:44,890
را حس؟

541
00:26:44,890 --> 00:26:47,770
>> پس چه چیز است که من باید می
محاسبه می شود قادر به محاسبه

542
00:26:47,770 --> 00:26:49,360
احتمال؟

543
00:26:49,360 --> 00:26:55,110
من برای محاسبه "priors"
هر یک از مختلف

544
00:26:55,110 --> 00:26:56,710
کلاس های که من دارم.

545
00:26:56,710 --> 00:27:06,680
من برای محاسبه "posteriors،"
یا خیلی احتمالات

546
00:27:06,680 --> 00:27:12,150
هر یک از کلمات مختلف که
من می توانم برای هر هنرمند داشته باشد.

547
00:27:12,150 --> 00:27:17,210
پس در دل شکسته، به عنوان مثال، من قصد دارم
به یک لیست از چند بار من را ببینید

548
00:27:17,210 --> 00:27:19,250
هر یک از کلمات.

549
00:27:19,250 --> 00:27:20,760
را حس؟

550
00:27:20,760 --> 00:27:25,370
>> و در نهایت، من فقط رفتن به یک
فهرست نام "کلمات" است که فقط رفتن

551
00:27:25,370 --> 00:27:29,780
به چه تعداد کلمه I
برای هر هنرمند داشته باشد.

552
00:27:29,780 --> 00:27:33,760
بنابراین برای دل شکسته، به عنوان مثال، وقتی که من نگاه
به شعر، من تا به حال، من فکر می کنم، 24

553
00:27:33,760 --> 00:27:34,750
کلمات در کل.

554
00:27:34,750 --> 00:27:38,970
بنابراین این لیست فقط رفتن به
دل شکسته 24، و کتی شماره دیگر.

555
00:27:38,970 --> 00:27:40,130
را حس؟

556
00:27:40,130 --> 00:27:40,560
OK.

557
00:27:40,560 --> 00:27:42,530
>> بنابراین در حال حاضر، در واقع، اجازه دهید
رفتن به برنامه نویسی.

558
00:27:42,530 --> 00:27:45,270
بنابراین در پایتون، شما در واقع می تواند
بازگشت یک دسته از مختلف

559
00:27:45,270 --> 00:27:46,630
همه چیز از یک تابع.

560
00:27:46,630 --> 00:27:50,810
من می خواهم برای ایجاد این تابع
به نام "مشروط" است که رفتن

561
00:27:50,810 --> 00:27:53,890
برای بازگشت به تمام کسانی که همه چیز،
"priors،" "احتمال" و

562
00:27:53,890 --> 00:28:05,690
"کلمه است." بنابراین "مشروط" و آن را
رفتن به تماس توان به "شعر."

563
00:28:05,690 --> 00:28:11,510
>> بنابراین در حال حاضر من می خواهم شما را به واقع
ارسال این تابع.

564
00:28:11,510 --> 00:28:17,750
بنابراین راهی که من می توانم این ارسال
تابع من فقط این تعریف

565
00:28:17,750 --> 00:28:20,620
کار با "دف." بنابراین من "دف
مشروط، "و آن را گرفتن

566
00:28:20,620 --> 00:28:28,700
"اشعار." و آنچه در این است که به انجام
است، اول از همه، من priors من

567
00:28:28,700 --> 00:28:31,030
که من می خواهم برای محاسبه.

568
00:28:31,030 --> 00:28:34,330
>> پس راه که من می توانم این کار، ایجاد
یک دیکشنری در پایتون، که

569
00:28:34,330 --> 00:28:37,320
تقریبا همان چیزی که به عنوان یک مخلوط است
جدول، یا آن را مانند یک تکرار است

570
00:28:37,320 --> 00:28:40,480
آرایه در PHP.

571
00:28:40,480 --> 00:28:44,150
این است که چگونه من یک فرهنگ لغت اعلام کنند.

572
00:28:44,150 --> 00:28:53,580
و اساسا این بدان معنی است که
priors دل شکسته 0.5 است، به عنوان مثال، اگر

573
00:28:53,580 --> 00:28:57,200
50٪ از اشعار می باشد
دل شکسته، 50٪ از کتی می باشد.

574
00:28:57,200 --> 00:28:58,450
را حس؟

575
00:28:58,450 --> 00:29:00,680

576
00:29:00,680 --> 00:29:03,680
بنابراین من باید به شکل از چگونه
برای محاسبه priors.

577
00:29:03,680 --> 00:29:07,120
>> آنهایی بعدی که من باید انجام دهید، همچنین،
احتمالات و کلمات می باشد.

578
00:29:07,120 --> 00:29:17,100
بنابراین احتمال گاگا در لیست است
از همه احتمال است که من

579
00:29:17,100 --> 00:29:19,160
برای هر یک از کلمات برای دل شکسته داشته باشد.

580
00:29:19,160 --> 00:29:23,880
بنابراین اگر من به احتمال گاگا بروید
"کودک"، به عنوان مثال، آن را به من بدهد

581
00:29:23,880 --> 00:29:28,750
چیزی شبیه به 2 بیش از 24 در آن صورت.

582
00:29:28,750 --> 00:29:30,070
را حس؟

583
00:29:30,070 --> 00:29:36,120
بنابراین من به "احتمال" به
"دل شکسته" سطل است که یک لیست از تمام

584
00:29:36,120 --> 00:29:40,550
کلمات دل شکسته، پس از آن من به "کودک"
و من احتمال را ببینید.

585
00:29:40,550 --> 00:29:45,940
>> و در نهایت من این را
"کلمات" فرهنگ لغت.

586
00:29:45,940 --> 00:29:53,620
بنابراین در اینجا، "احتمال" و پس از آن
"کلمه است." بنابراین اگر من "کلمات"، "دل شکسته،"

587
00:29:53,620 --> 00:29:58,330
آنچه قرار است رخ دهد این است که آن
به من 24 را، و گفت که من

588
00:29:58,330 --> 00:30:01,990
دارای 24 عبارت در شعر از دل شکسته.

589
00:30:01,990 --> 00:30:04,110
را حس می کند؟

590
00:30:04,110 --> 00:30:07,070
بنابراین در اینجا، "عبارت" برابر با ده ده ده.

591
00:30:07,070 --> 00:30:07,620
خوب

592
00:30:07,620 --> 00:30:12,210
>> پس چه من قصد دارم برای انجام این کار است من قصد دارم
تکرار بیش از هر یک از ترانه ها، تا

593
00:30:12,210 --> 00:30:14,490
هر یک از رشته ها که
من در لیست است.

594
00:30:14,490 --> 00:30:18,040
و من قصد دارم برای محاسبه آن چیزهایی است
برای هر یک از نامزدها.

595
00:30:18,040 --> 00:30:19,950
را حس می کند؟

596
00:30:19,950 --> 00:30:21,700
بنابراین من مجبور به انجام برای حلقه.

597
00:30:21,700 --> 00:30:26,300
>> بنابراین در پایتون آنچه که من می تواند انجام دهد این است که "برای خط
در شعر. "همان چیزی را به عنوان یک

598
00:30:26,300 --> 00:30:28,000
"برای هر یک از" بیانیه ای در PHP.

599
00:30:28,000 --> 00:30:33,420
به یاد داشته باشید که چگونه اگر آن را PHP بود من می توانم
می گویند: "برای هر شعر به عنوان

600
00:30:33,420 --> 00:30:35,220
خط "را حس می کند؟

601
00:30:35,220 --> 00:30:38,900
بنابراین من می گیرم هر یک از خطوط، در این
مورد، این رشته و بعدی

602
00:30:38,900 --> 00:30:44,540
رشته بنابراین برای هر یک از خطوط آنچه که من هستم
رفتن به انجام آن برای اولین بار، من قصد دارم

603
00:30:44,540 --> 00:30:49,150
تقسیم این خط را به یک لیست از
کلمات هم جدا شده توسط فاصله است.

604
00:30:49,150 --> 00:30:53,730
>> بنابراین نکته جالب در مورد پایتون است که
شما می توانید فقط گوگل مانند "چگونه می توانم

605
00:30:53,730 --> 00:30:58,220
تقسیم یک رشته به کلمات؟ "و آن را
رفتن به شما بگویم که چگونه آن را انجام دهد.

606
00:30:58,220 --> 00:31:04,890
و راه را برای انجام این کار، آن را فقط "خط است
= line.split () "و آن را اساسا

607
00:31:04,890 --> 00:31:08,640
قصد دارم به شما یک لیست با را
هر یک از کلمات در اینجا.

608
00:31:08,640 --> 00:31:09,620
را حس می کند؟

609
00:31:09,620 --> 00:31:15,870
بنابراین در حال حاضر که من که من می خواهم بدانم
که خواننده از این آهنگ است.

610
00:31:15,870 --> 00:31:20,130
و برای این کار من فقط باید برای دریافت
اولین عنصر از آرایه، درست است؟

611
00:31:20,130 --> 00:31:26,390
بنابراین من فقط می توانم بگویم که من "خواننده
= خط (0) "را حس می کند؟

612
00:31:26,390 --> 00:31:32,010
>> و پس از آن چیزی است که من باید انجام دهید، اول از
همه، من قصد دارم برای به روز رسانی چگونه بسیاری از

613
00:31:32,010 --> 00:31:36,130
کلمات I تحت دارند "دل شکسته." بنابراین من فقط
رفتن به محاسبه بسیاری از واژه ها I

614
00:31:36,130 --> 00:31:38,690
باید در این لیست، درست است؟

615
00:31:38,690 --> 00:31:41,910
از آنجا که این است که چگونه بسیاری از کلمات من
در اشعار و من فقط رفتن به

616
00:31:41,910 --> 00:31:44,120
آن را به "دل شکسته" آرایه اضافه کنید.

617
00:31:44,120 --> 00:31:47,090
آیا این را حس؟

618
00:31:47,090 --> 00:31:49,010
آیا در نحو تمرکز بیش از حد.

619
00:31:49,010 --> 00:31:50,430
فکر می کنم بیشتر در مورد مفاهیم.

620
00:31:50,430 --> 00:31:52,400
که مهم ترین بخش است.

621
00:31:52,400 --> 00:31:52,720
OK.

622
00:31:52,720 --> 00:32:00,260
>> پس آنچه که من می تواند آن را انجام دهد این است که اگر "دل شکسته" است
در حال حاضر در این لیست، پس "اگر خواننده در

623
00:32:00,260 --> 00:32:03,190
عبارت "به این معنی که من در حال حاضر
کلمات توسط دل شکسته.

624
00:32:03,190 --> 00:32:06,640
من فقط می خواهم برای اضافه کردن اضافی
کلمات به آن.

625
00:32:06,640 --> 00:32:15,810
پس "کلمه (خواننده) آنچه که من انجام شده است
+ = لن (خط) - 1 ".

626
00:32:15,810 --> 00:32:18,250
و پس از آن من فقط می توانید انجام دهید
طول خط.

627
00:32:18,250 --> 00:32:21,860
پس چگونه بسیاری از عناصر I
در آرایه داشته باشد.

628
00:32:21,860 --> 00:32:27,060
و من را مجبور به انجام منهای 1 فقط به خاطر
اولین عنصر از آرایه است فقط

629
00:32:27,060 --> 00:32:29,180
یک خواننده و کسانی که شعر نیست.

630
00:32:29,180 --> 00:32:31,420
را حس می کند؟

631
00:32:31,420 --> 00:32:32,780
OK.

632
00:32:32,780 --> 00:32:35,820
>> "دیگری"، به این معنی است که من می خواهم به واقع
درج گاگا به لیست.

633
00:32:35,820 --> 00:32:45,990
بنابراین من فقط "کلمات (خواننده)
= لن (خط) - 1، "متاسفم.

634
00:32:45,990 --> 00:32:49,200
بنابراین تنها تفاوت بین این دو
خطوط این است که این یکی، آن را نمی کند

635
00:32:49,200 --> 00:32:51,080
وجود داشته باشد در عین حال، پس من فقط
مقدار دهی اولیه آن.

636
00:32:51,080 --> 00:32:53,820
این یکی که من در واقع با اضافه کردن.

637
00:32:53,820 --> 00:32:55,570
OK.

638
00:32:55,570 --> 00:32:59,480
بنابراین این اضافه کردن به کلمات بود.

639
00:32:59,480 --> 00:33:03,040
>> حالا من می خواهم برای اضافه کردن به priors.

640
00:33:03,040 --> 00:33:05,480
پس چگونه priors را حساب کنم؟

641
00:33:05,480 --> 00:33:11,580
priors را می توان محاسبه
با چند بار.

642
00:33:11,580 --> 00:33:15,340
بنابراین چند بار که خواننده را مشاهده می کنید
در میان همه خوانندگان که شما

643
00:33:15,340 --> 00:33:16,380
داشته باشد، درست است؟

644
00:33:16,380 --> 00:33:18,810
بنابراین برای گاگا و کتی پری،
در این مورد، من دل شکسته را ببینید

645
00:33:18,810 --> 00:33:20,570
یک بار، کتی پری یک بار.

646
00:33:20,570 --> 00:33:23,320
>> بنابراین اساسا priors برای دل شکسته
و کتی پری را

647
00:33:23,320 --> 00:33:24,390
فقط یکی، درست است؟

648
00:33:24,390 --> 00:33:26,500
شما فقط چند بار
من هنرمند را ببینید.

649
00:33:26,500 --> 00:33:28,740
بنابراین این بسیار آسان است برای محاسبه.

650
00:33:28,740 --> 00:33:34,100
من فقط می تواند چیزی شبیه به مانند "اگر
خواننده در priors، "من فقط رفتن

651
00:33:34,100 --> 00:33:38,970
برای اضافه کردن 1 به جعبه priors خود.

652
00:33:38,970 --> 00:33:51,000
بنابراین، "priors (آواز خواندن)" + = 1 "و سپس" دیگری "
من قصد دارم به انجام "priors (خواننده)

653
00:33:51,000 --> 00:33:55,000
= 1 "را حس می کند؟

654
00:33:55,000 --> 00:34:00,080
>> بنابراین اگر آن وجود ندارد من فقط با قرار دادن
به عنوان 1، در غیر این صورت من فقط اضافه کردن 1.

655
00:34:00,080 --> 00:34:11,280
OK، بنابراین در حال حاضر همه که من را ترک کرده اند به انجام
همچنین هر یک از کلمات به اضافه

656
00:34:11,280 --> 00:34:12,290
احتمال.

657
00:34:12,290 --> 00:34:14,889
بنابراین من باید به تعداد چند بار
I هر یک از کلمات را ببینید.

658
00:34:14,889 --> 00:34:18,780
پس من فقط باید به دیگری انجام
حلقه for در خط.

659
00:34:18,780 --> 00:34:25,190
>> بنابراین اولین چیزی که من قصد دارم برای انجام شده است
چک کنید اگر خواننده در حال حاضر دارای

660
00:34:25,190 --> 00:34:26,969
آرایه احتمالات.

661
00:34:26,969 --> 00:34:31,739
پس من دارم اگر خواننده نمی کند
یک آرایه احتمالات، من فقط هستم

662
00:34:31,739 --> 00:34:34,480
رفتن به مقداردهی اولیه یک برای آنها.

663
00:34:34,480 --> 00:34:36,400
این حتی یک آرایه نیست، با عرض پوزش،
آن است که یک فرهنگ لغت است.

664
00:34:36,400 --> 00:34:43,080
بنابراین احتمال از خواننده است که
به عنوان یک فرهنگ لغت باز است، بنابراین من

665
00:34:43,080 --> 00:34:45,830
فقط مقدار دهی اولیه یک فرهنگ لغت برای آن.

666
00:34:45,830 --> 00:34:46,820
OK؟

667
00:34:46,820 --> 00:34:58,330
>> و در حال حاضر من در واقع می توانید انجام دهید برای حلقه
برای محاسبه هر یک از کلمات '

668
00:34:58,330 --> 00:35:00,604
احتمال.

669
00:35:00,604 --> 00:35:01,540
OK.

670
00:35:01,540 --> 00:35:04,160
پس چه می توانم انجام دهم یک حلقه for.

671
00:35:04,160 --> 00:35:06,590
بنابراین من فقط رفتن به تکرار
بیش از آرایه.

672
00:35:06,590 --> 00:35:15,320
بنابراین در راهی که می توانید انجام دهید که در پایتون
"برای من در محدوده." از 1

673
00:35:15,320 --> 00:35:19,200
چون من می خواهم برای شروع در دوم
عنصر چرا که یکی از اولین است

674
00:35:19,200 --> 00:35:20,260
نام خواننده.

675
00:35:20,260 --> 00:35:24,990
پس از یک تا
طول خط.

676
00:35:24,990 --> 00:35:29,760
و هنگامی که من در محدوده آن را در واقع از به
مثل اینجا از 1 به لن از

677
00:35:29,760 --> 00:35:30,740
خط منهای 1.

678
00:35:30,740 --> 00:35:33,810
پس از آن در حال حاضر می کند که چیزی از انجام
N منهای 1 برای آرایه است که بسیار

679
00:35:33,810 --> 00:35:35,500
راحت است.

680
00:35:35,500 --> 00:35:37,850
را حس می کند؟

681
00:35:37,850 --> 00:35:42,770
>> بنابراین برای هر یک از این، چیزی است که من قصد دارم به
انجام شده است، درست مثل در یک دیگر،

682
00:35:42,770 --> 00:35:50,320
من قصد دارم به بررسی در صورتی که کلمه در این
موقعیت در خط در حال حاضر در

683
00:35:50,320 --> 00:35:51,570
احتمال.

684
00:35:51,570 --> 00:35:53,400

685
00:35:53,400 --> 00:35:57,260
و بعد همانطور که گفتم در اینجا، احتمال
واژه ها، به عنوان در من قرار داده

686
00:35:57,260 --> 00:35:58,400
"احتمال (خواننده)".

687
00:35:58,400 --> 00:35:59,390
پس به نام خواننده.

688
00:35:59,390 --> 00:36:03,450
بنابراین اگر آن را در حال حاضر در
"probabilit (خواننده)"، به این معنی است که من

689
00:36:03,450 --> 00:36:11,960
می خواهید برای اضافه کردن 1 به آن، بنابراین من قصد دارم
انجام "احتمال (خواننده)"، و

690
00:36:11,960 --> 00:36:14,100
کلمه است به نام "خط (من)".

691
00:36:14,100 --> 00:36:22,630
من قصد دارم به اضافه 1 و "دیگری" من فقط
رفتن به مقداردهی اولیه آن به 1.

692
00:36:22,630 --> 00:36:23,880
"خط (من)".

693
00:36:23,880 --> 00:36:26,920

694
00:36:26,920 --> 00:36:28,420
را حس می کند؟

695
00:36:28,420 --> 00:36:30,180
>> بنابراین، من به محاسبه تمام آرایه ها.

696
00:36:30,180 --> 00:36:36,580
بنابراین، در حال حاضر همه که من باید برای انجام
این یکی فقط "بازگشت priors،

697
00:36:36,580 --> 00:36:43,230
احتمالات و کلمات. "در اجازه
ببینید که آیا هیچ وجود دارد، OK.

698
00:36:43,230 --> 00:36:45,690
به نظر می رسد همه چیز در حال کار تا کنون.

699
00:36:45,690 --> 00:36:46,900
بنابراین، آن را حس می کند؟

700
00:36:46,900 --> 00:36:47,750
در برخی از راه؟

701
00:36:47,750 --> 00:36:49,280
OK.

702
00:36:49,280 --> 00:36:51,980
بنابراین در حال حاضر من همه احتمالات.

703
00:36:51,980 --> 00:36:55,100
بنابراین در حال حاضر تنها چیزی که من را ترک کرده اند
است فقط به آن چیزی است که

704
00:36:55,100 --> 00:36:58,650
محاسبه محصول از تمام
احتمالات وقتی که من شعر.

705
00:36:58,650 --> 00:37:06,270
>> بنابراین اجازه دهید بگویم که من می خواهم به حال تماس بگیرید
این تابع "طبقه بندی ()" و

706
00:37:06,270 --> 00:37:08,880
چیزی که تابع طول می کشد
فقط یک آرگومان است.

707
00:37:08,880 --> 00:37:13,170
بیایید می گویند "عزیزم، من در آتش هستم" و آن را
رفتن به کشف کردن آنچه است

708
00:37:13,170 --> 00:37:14,490
احتمال این که این دل شکسته؟

709
00:37:14,490 --> 00:37:16,405
احتمال چیست
که این کتی است؟

710
00:37:16,405 --> 00:37:19,690
به نظر می رسد خوب است؟

711
00:37:19,690 --> 00:37:25,750
پس من فقط باید به ایجاد یک
عملکرد جدید به نام "طبقه بندی ()" و

712
00:37:25,750 --> 00:37:29,180
آن را به برخی از
شعر نیز هست.

713
00:37:29,180 --> 00:37:31,790

714
00:37:31,790 --> 00:37:36,160
و علاوه بر این شعر من هم
برای ارسال priors،

715
00:37:36,160 --> 00:37:37,700
احتمالات و کلمات.

716
00:37:37,700 --> 00:37:44,000
من می خواهم به ارسال شعر، priors،
احتمالات، کلمات.

717
00:37:44,000 --> 00:37:51,840
>> پس این است که شعر، priors،
احتمالات، کلمات.

718
00:37:51,840 --> 00:37:53,530
بنابراین، چه آن را انجام دهد؟

719
00:37:53,530 --> 00:37:57,180
این اساسا در حال رفتن به از طریق تمام بروید
نامزدها ممکن است که شما

720
00:37:57,180 --> 00:37:58,510
به عنوان یک خواننده داشته باشد.

721
00:37:58,510 --> 00:37:59,425
و که در آن کسانی که نامزد هستند؟

722
00:37:59,425 --> 00:38:01,020
آنها در priors هستید، درست است؟

723
00:38:01,020 --> 00:38:02,710
بنابراین من همه از آن وجود دارد.

724
00:38:02,710 --> 00:38:07,870
من می خواهم به یک فرهنگ لغت
از همه نامزدها امکان پذیر است.

725
00:38:07,870 --> 00:38:14,220
و پس از آن برای هر نامزد در
priors، پس از آن بدان معنی است که آن را به

726
00:38:14,220 --> 00:38:17,740
است دل شکسته، کتی اگر من تا به حال
تر از آن خواهد بود بیشتر است.

727
00:38:17,740 --> 00:38:20,410
من قصد دارم برای شروع محاسبه
این احتمال.

728
00:38:20,410 --> 00:38:28,310
احتمال که ما در دیدم
پاورپوینت زمان قبل است

729
00:38:28,310 --> 00:38:30,800
محصول هر یک از
دیگر احتمالات.

730
00:38:30,800 --> 00:38:32,520
>> بنابراین من در اینجا می توانید همین کار را.

731
00:38:32,520 --> 00:38:36,330
من فقط می توانید انجام دهید احتمال است
در ابتدا فقط قبل.

732
00:38:36,330 --> 00:38:40,340
بنابراین priors از نامزد.

733
00:38:40,340 --> 00:38:40,870
درست است؟

734
00:38:40,870 --> 00:38:45,360
و در حال حاضر من به تکرار بیش از همه
کلماتی را که من در شعر باید

735
00:38:45,360 --> 00:38:48,820
قادر به اضافه کردن احتمال
برای هر یک از آنها، OK؟

736
00:38:48,820 --> 00:38:57,900
بنابراین، "به کلمه در شعر" آنچه که من قصد دارم
برای انجام این کار است، در صورتی که کلمه در است

737
00:38:57,900 --> 00:39:01,640
"احتمال (نامزد)"، که
بدان معنی است که آن یک کلمه است که

738
00:39:01,640 --> 00:39:03,640
کاندیدا در اشعار خود -

739
00:39:03,640 --> 00:39:05,940
به عنوان مثال، "کودک" برای دل شکسته -

740
00:39:05,940 --> 00:39:11,710
آنچه من قصد دارم برای انجام این کار این است که
احتمال رفتن به ضرب شود

741
00:39:11,710 --> 00:39:22,420
1 به علاوه احتمال
نامزد برای آن کلمه.

742
00:39:22,420 --> 00:39:25,710
و آن را به نام "کلمه".

743
00:39:25,710 --> 00:39:32,440
این تقسیم شده توسط تعدادی از کلمات
که من در آن نامزد داشته باشد.

744
00:39:32,440 --> 00:39:37,450
تعداد کل کلمات که من آن را
برای خواننده است که من به دنبال.

745
00:39:37,450 --> 00:39:40,290
>> "دیگری است." به این معنی یک کلمه جدید
پس از آن می مانند به عنوان مثال می شود

746
00:39:40,290 --> 00:39:41,860
"آتش" را برای بانوی دل شکسته.

747
00:39:41,860 --> 00:39:45,760
بنابراین من فقط می خواهم به انجام بیش از 1
"کلمه (نامزد)".

748
00:39:45,760 --> 00:39:47,710
بنابراین من نمی خواهم برای قرار دادن این واژه در اینجا.

749
00:39:47,710 --> 00:39:50,010
>> بنابراین آن را به اساسا شود
کپی کردن و چسباندن این.

750
00:39:50,010 --> 00:39:54,380

751
00:39:54,380 --> 00:39:56,000
اما من قصد دارم این بخش را حذف کنید.

752
00:39:56,000 --> 00:39:57,610
پس این فقط برای رفتن به 1 بیش از آن.

753
00:39:57,610 --> 00:40:00,900

754
00:40:00,900 --> 00:40:02,150
به نظر می رسد خوب است؟

755
00:40:02,150 --> 00:40:03,980

756
00:40:03,980 --> 00:40:09,700
و در حال حاضر در پایان، من فقط رفتن به
چاپ نام نامزد و

757
00:40:09,700 --> 00:40:15,750
احتمال این که شما از
داشتن S در شعر خود.

758
00:40:15,750 --> 00:40:16,200
را حس می کند؟

759
00:40:16,200 --> 00:40:18,390
و من در واقع حتی نمی
نیاز به این فرهنگ لغت.

760
00:40:18,390 --> 00:40:19,510
را حس می کند؟

761
00:40:19,510 --> 00:40:21,810
>> بنابراین، بیایید ببینید در صورتی که این در واقع کار می کند.

762
00:40:21,810 --> 00:40:24,880
بنابراین اگر من در این اجرا، آن کار نمی کند.

763
00:40:24,880 --> 00:40:26,130
صبر کن دوم.

764
00:40:26,130 --> 00:40:28,870

765
00:40:28,870 --> 00:40:31,720
"واژه (نامزد)"، "کلمات (نامزد)"،
که

766
00:40:31,720 --> 00:40:33,750
نام آرایه می شود.

767
00:40:33,750 --> 00:40:41,435
OK بنابراین، آن را می گوید در برخی از اشکال وجود دارد
برای نامزد در priors.

768
00:40:41,435 --> 00:40:46,300

769
00:40:46,300 --> 00:40:48,760
اجازه بدهید من فقط لرز کمی.

770
00:40:48,760 --> 00:40:50,360
OK.

771
00:40:50,360 --> 00:40:51,305
بیایید امتحان کنید.

772
00:40:51,305 --> 00:40:51,720
OK.

773
00:40:51,720 --> 00:40:58,710
>> بنابراین آن را می دهد کتی پری دارد این
احتمال این بار 10 به

774
00:40:58,710 --> 00:41:02,200
منهای 7 و دل شکسته تا به این
بار 10 منهای 6 به.

775
00:41:02,200 --> 00:41:05,610
پس می بینید نشان می دهد که دل شکسته
یک احتمال بالاتر است.

776
00:41:05,610 --> 00:41:09,260
بنابراین "عزیزم، من در آتش هستم" است
احتمالا یک آهنگ دل شکسته.

777
00:41:09,260 --> 00:41:10,580
را حس می کند؟

778
00:41:10,580 --> 00:41:12,030
پس این چیزی است که ما انجام داد.

779
00:41:12,030 --> 00:41:16,010
>> این کد در حال رفتن به آنلاین ارسال شود،
بنابراین شما بچه ها می توانید آن را از تیک بزنید.

780
00:41:16,010 --> 00:41:20,720
شاید استفاده از برخی از آن را برای اگر شما می خواهید
انجام یک پروژه و یا چیزی مشابه آن.

781
00:41:20,720 --> 00:41:22,150
OK.

782
00:41:22,150 --> 00:41:25,930
این بود فقط برای نشان دادن
چه محاسباتی

783
00:41:25,930 --> 00:41:27,230
کد زبان شناسی به نظر می رسد.

784
00:41:27,230 --> 00:41:33,040
اما اکنون اجازه دهید به بیشتر بروید
مسائل سطح بالا است.

785
00:41:33,040 --> 00:41:33,340
OK.

786
00:41:33,340 --> 00:41:35,150
>> بنابراین مشکلات دیگر من
صحبت کردن در مورد -

787
00:41:35,150 --> 00:41:37,550
مشکل تقسیم بندی
اولین از آنها است.

788
00:41:37,550 --> 00:41:40,820
بنابراین شما باید در اینجا ژاپنی است.

789
00:41:40,820 --> 00:41:43,420
و پس از آن شما می بینید که
هیچ فاصله وجود دارد.

790
00:41:43,420 --> 00:41:49,110
پس این است که اساسا بدان معنی است که آن را
بالای صندلی، درست است؟

791
00:41:49,110 --> 00:41:50,550
شما ژاپنی صحبت می کنند؟

792
00:41:50,550 --> 00:41:52,840
این بالای صندلی است، درست است؟

793
00:41:52,840 --> 00:41:54,480
>> STUDENT: من نمی دانم چه
کانجی بیش از وجود دارد.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS فریتاس: این [صحبت ژاپن]

795
00:41:57,010 --> 00:41:57,950
OK.

796
00:41:57,950 --> 00:42:00,960
پس از آن اساسا به معنای صندلی از بالا.

797
00:42:00,960 --> 00:42:03,620
بنابراین اگر شما تا به حال برای قرار دادن یک فضای
آن را در اینجا خواهد بود.

798
00:42:03,620 --> 00:42:05,970
و سپس شما را [؟ Ueda از سان. ؟]

799
00:42:05,970 --> 00:42:09,040
که اساسا به معنی آقای Ueda از.

800
00:42:09,040 --> 00:42:13,180
و شما می بینید که "اوئدا" و شما یک
فضا و پس از آن "سان". پس می بینید که

801
00:42:13,180 --> 00:42:15,470
در اینجا شما "UE" مانند خود به خود است.

802
00:42:15,470 --> 00:42:17,750
و در اینجا آن را به یک شخصیت
در کنار آن.

803
00:42:17,750 --> 00:42:21,720
>> بنابراین آن را در آن زبان ها را دوست ندارد
حرف به این معنی یک کلمه آن، بنابراین شما

804
00:42:21,720 --> 00:42:23,980
فقط با قرار دادن بسیاری از فضاهای.

805
00:42:23,980 --> 00:42:25,500
شخصیت های مربوط به هر یک از دیگر.

806
00:42:25,500 --> 00:42:28,680
و آنها با هم می تواند باشد
مانند دو، سه، یک.

807
00:42:28,680 --> 00:42:34,520
بنابراین شما در واقع به ایجاد نوعی
از راه قرار دادن آن فاصله است.

808
00:42:34,520 --> 00:42:38,850
>> و این چیزی است که هر زمان که شما
داده ها از آن زبان های آسیایی،

809
00:42:38,850 --> 00:42:40,580
همه چیز می آید unsegmented.

810
00:42:40,580 --> 00:42:45,940
از آنجا که هیچ کسی است که ژاپن می نویسد:
و یا چینی را با فاصله می نویسد.

811
00:42:45,940 --> 00:42:48,200
هر زمان که شما در حال نوشتن چینی،
ژاپنی شما فقط همه چیز را ارسال

812
00:42:48,200 --> 00:42:48,710
بدون فاصله.

813
00:42:48,710 --> 00:42:52,060
این کار نه حتی معنی
برای قرار دادن فاصله است.

814
00:42:52,060 --> 00:42:57,960
پس هنگامی که شما داده ها را از، برخی از
زبان های شرق آسیا، اگر شما می خواهید

815
00:42:57,960 --> 00:43:00,760
در واقع انجام کاری با آن
شما را به بخش اول را داشته باشد.

816
00:43:00,760 --> 00:43:05,130
>> فکر می کنم از انجام این کار از یک مثال از
اشعار بدون فاصله.

817
00:43:05,130 --> 00:43:07,950
بنابراین تنها شعر است که شما را
خواهد بود احکام، درست است؟

818
00:43:07,950 --> 00:43:09,470
جدا شده اند.

819
00:43:09,470 --> 00:43:13,930
اما پس از آن که در آن جمله خواهد شد
واقعا در دادن اطلاعات کمک

820
00:43:13,930 --> 00:43:17,760
از کسانی که اشعار می باشد.

821
00:43:17,760 --> 00:43:18,120
درست است؟

822
00:43:18,120 --> 00:43:20,010
بنابراین شما باید فضاهای اولین قرار می دهد.

823
00:43:20,010 --> 00:43:21,990
پس چگونه می تواند به شما انجام این کار؟

824
00:43:21,990 --> 00:43:24,920
>> پس این ایده از یک زبان می آید
مدل چیزی است که واقعا

825
00:43:24,920 --> 00:43:26,870
برای محاسباتی مهم
زبان شناسی.

826
00:43:26,870 --> 00:43:32,790
بنابراین یک مدل زبان اساسا یک
جدول از احتمال است که نشان می دهد

827
00:43:32,790 --> 00:43:36,260
اول از همه چه احتمال است
داشتن کلمه در یک زبان؟

828
00:43:36,260 --> 00:43:39,590
بنابراین نشان دادن مکرر یک کلمه است.

829
00:43:39,590 --> 00:43:43,130
و پس از آن نیز نشان دادن رابطه
بین کلمات در یک جمله.

830
00:43:43,130 --> 00:43:51,500
>> بنابراین ایده اصلی این است، اگر یک غریبه آمد
به شما و گفت: یک جمله به

831
00:43:51,500 --> 00:43:55,600
شما، چه احتمال این است که، برای
به عنوان مثال، "این خواهر من است [؟ GTF"؟]

832
00:43:55,600 --> 00:43:57,480
این حکم که شخص گفت؟

833
00:43:57,480 --> 00:44:00,380
بنابراین بدیهی است که برخی از احکام
شایع تر از دیگران است.

834
00:44:00,380 --> 00:44:04,450
به عنوان مثال، "صبح به خیر" یا "خوب است
شب، "و یا" با سلام وجود دارد، "خیلی بیشتر

835
00:44:04,450 --> 00:44:08,260
شایع تر از بسیاری از احکام
که ما باید زبان انگلیسی.

836
00:44:08,260 --> 00:44:11,060
پس چرا آن جمله می
بیشتر؟

837
00:44:11,060 --> 00:44:14,060
>> اول از همه، آن را دلیل این که شما
کلماتی را که بیشتر می باشد.

838
00:44:14,060 --> 00:44:20,180
بنابراین، برای مثال، اگر شما می گویند، سگ است
بزرگ و سگ غول پیکر است، شما

839
00:44:20,180 --> 00:44:23,880
معمولا احتمالا شنیدن سگ بزرگ است
اغلب به دلیل "بزرگ" است

840
00:44:23,880 --> 00:44:27,260
مکرر در انگلیسی از "غول پیکر."
بنابراین، یکی از

841
00:44:27,260 --> 00:44:30,100
چیزهای فراوانی کلمه است.

842
00:44:30,100 --> 00:44:34,490
>> نکته دوم این است که واقعا
مهم است فقط

843
00:44:34,490 --> 00:44:35,490
منظور از کلمه است.

844
00:44:35,490 --> 00:44:39,500
بنابراین، این مشترک است که می گویند "گربه است
در داخل جعبه. "اما شما معمولا نمی

845
00:44:39,500 --> 00:44:44,250
در نگاه کنید به "جعبه در داخل گربه است." پس
شما می بینید که برخی از اهمیت وجود دارد

846
00:44:44,250 --> 00:44:46,030
در ترتیب کلمات.

847
00:44:46,030 --> 00:44:50,160
شما نه تنها می توان گفت که این دو
جملات به احتمال قوی همان

848
00:44:50,160 --> 00:44:53,010
فقط به خاطر اینکه آنها کلمات مشابه.

849
00:44:53,010 --> 00:44:55,550
در واقع شما باید به مراقبت
در مورد منظور نیز هست.

850
00:44:55,550 --> 00:44:57,650
را حس؟

851
00:44:57,650 --> 00:44:59,490
>> پس چه کنیم؟

852
00:44:59,490 --> 00:45:01,550
پس آنچه که من ممکن است سعی کنید برای شما؟

853
00:45:01,550 --> 00:45:04,400
من دارم تلاش می کنم شما چیزی است که ما
مدل های n-گرم تماس بگیرید.

854
00:45:04,400 --> 00:45:09,095
بنابراین مدل N-گرم اساسا فرض
که برای هر کلمه ای که

855
00:45:09,095 --> 00:45:10,960
شما در یک جمله داشته باشد.

856
00:45:10,960 --> 00:45:15,020
این احتمال داشتن است که
کلمه بستگی دارد نه تنها در وجود دارد

857
00:45:15,020 --> 00:45:18,395
فراوانی آن کلمه در زبان،
بلکه در کلمات است که

858
00:45:18,395 --> 00:45:19,860
از آن اطراف.

859
00:45:19,860 --> 00:45:25,810
>> بنابراین برای مثال، معمولا زمانی که می بینید
چیزی شبیه به در و یا در تو

860
00:45:25,810 --> 00:45:28,040
احتمالا رفتن به دیدن یک
اسم بعد از آن، درست است؟

861
00:45:28,040 --> 00:45:31,750
از آنجا که زمانی که شما یک حرف اضافه
معمولا طول می کشد اسم بعد از آن.

862
00:45:31,750 --> 00:45:35,540
و یا اگر شما یک فعل است که متعدی
شما معمولا در حال رفتن به

863
00:45:35,540 --> 00:45:36,630
یک عبارت اسم.

864
00:45:36,630 --> 00:45:38,780
بنابراین آن را به اسم
در جایی در اطراف آن.

865
00:45:38,780 --> 00:45:44,950
>> بنابراین، اساسا، آنچه در آن می کند این است که آن
احتمال داشتن در نظر

866
00:45:44,950 --> 00:45:47,960
کلمات در کنار یکدیگر، زمانی که
شما در حال محاسبه

867
00:45:47,960 --> 00:45:49,050
احتمال یک جمله.

868
00:45:49,050 --> 00:45:50,960
و این چیزی است که یک زبان است
مدل اساسا.

869
00:45:50,960 --> 00:45:54,620
تنها گفتن چه احتمال است
داشتن یک خاص

870
00:45:54,620 --> 00:45:57,120
جمله در زبان؟

871
00:45:57,120 --> 00:45:59,110
پس چرا آنچه سودمند، اساسا؟

872
00:45:59,110 --> 00:46:02,390
و اول از همه چه چیزی است
یک مدل N-گرم، پس از آن؟

873
00:46:02,390 --> 00:46:08,850
>> بنابراین یک مدل N-گرم بدان معنی است که
هر کلمه بستگی به

874
00:46:08,850 --> 00:46:12,700
N بعدی منهای 1 کلمه است.

875
00:46:12,700 --> 00:46:18,150
بنابراین، اساسا، به این معنی که اگر من نگاه کنید،
به عنوان مثال، در TF CS50 زمانی

876
00:46:18,150 --> 00:46:21,500
من محاسبه احتمال
این حکم را، به شما خواهم "

877
00:46:21,500 --> 00:46:25,280
احتمال داشتن کلمه ""
زمان محلی شما با احتمال داشتن "

878
00:46:25,280 --> 00:46:31,720
CS50 "برابر احتمال داشتن
"TF CS50." بنابراین، اساسا، من تعداد

879
00:46:31,720 --> 00:46:35,720
تمام راه های ممکن از کشش آن است.

880
00:46:35,720 --> 00:46:41,870
>> و پس از آن معمولا زمانی که شما انجام این کار،
همانطور که در یک پروژه، شما را N می شود

881
00:46:41,870 --> 00:46:42,600
یک مقدار کم است.

882
00:46:42,600 --> 00:46:45,930
بنابراین، معمولا bigrams یا trigrams داشته باشد.

883
00:46:45,930 --> 00:46:51,090
به طوری که شما فقط به تعداد دو واژه،
گروه از دو کلمه و یا سه کلمه،

884
00:46:51,090 --> 00:46:52,620
فقط برای مسائل مربوط به عملکرد.

885
00:46:52,620 --> 00:46:56,395
و همچنین به این دلیل شاید اگر شما
چیزی شبیه به "TF CS50." هنگامی که شما

886
00:46:56,395 --> 00:47:00,510
باید "TF،" این بسیار مهم است که
"CS50" در کنار آن است، درست است؟

887
00:47:00,510 --> 00:47:04,050
این دو چیز معمولا
در کنار یکدیگر.

888
00:47:04,050 --> 00:47:06,410
>> اگر شما فکر می کنم "TF"، آن را احتمالا
رفتن به آنچه

889
00:47:06,410 --> 00:47:07,890
کلاس آن را برای TF'ing.

890
00:47:07,890 --> 00:47:11,330
همچنین "" واقعا مهم است
برای TF CS50.

891
00:47:11,330 --> 00:47:14,570
اما اگر شما چیزی مانند "CS50
TF به کلاس رفت و به آنها

892
00:47:14,570 --> 00:47:20,060
دانش آموزان برخی از آب نبات. "" آب نبات "و" "
هیچ رابطه واقعا، درست است؟

893
00:47:20,060 --> 00:47:23,670
آنها خیلی از هم دور هستیم که
آن واقعا مهم نیست که چه

894
00:47:23,670 --> 00:47:25,050
کلمات شما.

895
00:47:25,050 --> 00:47:31,210
>> بنابراین با انجام یک bigram یا مدلهای پنهان مارکوف آن
فقط بدان معناست که شما محدود

896
00:47:31,210 --> 00:47:33,430
خودتان را به برخی از واژه ها
که در اطراف می باشد.

897
00:47:33,430 --> 00:47:35,810
را حس؟

898
00:47:35,810 --> 00:47:40,630
بنابراین، هنگامی که شما می خواهید به انجام تقسیم بندی،
اساسا، آنچه شما می خواهید برای انجام شده است را ببینید

899
00:47:40,630 --> 00:47:44,850
تمام راههای ممکن چه که
شما می توانید بخشی از حکم.

900
00:47:44,850 --> 00:47:49,090
>> چنین است که شما ببینید چه چیزی است
احتمال هر یک از این احکام

901
00:47:49,090 --> 00:47:50,880
موجود در زبان؟

902
00:47:50,880 --> 00:47:53,410
بنابراین آنچه انجام می دهید مانند، خوب، اجازه دهید
من سعی کنید برای قرار دادن یک فضای اینجا.

903
00:47:53,410 --> 00:47:55,570
بنابراین شما یک فضای قرار داده وجود دارد
و شما ببینید چه چیزی است

904
00:47:55,570 --> 00:47:57,590
احتمال حکم؟

905
00:47:57,590 --> 00:48:00,240
سپس شما مانند، OK، شاید می
که بود که خوب نیست.

906
00:48:00,240 --> 00:48:03,420
بنابراین من یک فضای شود وجود دارد و یک فضای
وجود دارد، و شما را محاسبه

907
00:48:03,420 --> 00:48:06,240
احتمال در حال حاضر، و شما می بینید که
این یک احتمال است.

908
00:48:06,240 --> 00:48:12,160
>> بنابراین این الگوریتم به نام TANGO است
الگوریتم تقسیم بندی، که است

909
00:48:12,160 --> 00:48:14,990
در واقع چیزی است که واقعا خواهد بود
خنک برای یک پروژه، که

910
00:48:14,990 --> 00:48:20,860
در واقع طول می کشد متن unsegmented که
می تواند ژاپنی یا چینی و یا شاید

911
00:48:20,860 --> 00:48:26,080
انگلیسی بدون فاصله و تلاش می کند برای قرار دادن
فاصله بین کلمات و آن را

912
00:48:26,080 --> 00:48:29,120
که با استفاده از یک مدل زبان و
تلاش برای دیدن آنچه که بالاترین است

913
00:48:29,120 --> 00:48:31,270
احتمال شما می توانید دریافت کنید.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
بنابراین این تقسیم بندی است.

916
00:48:33,800 --> 00:48:35,450
>> حالا نحو.

917
00:48:35,450 --> 00:48:40,940
بنابراین، نحو است که برای استفاده
چیزهای بسیاری در حال حاضر.

918
00:48:40,940 --> 00:48:44,880
بنابراین برای نمودار های جست و جو، برای سیری برای
تقریبا از هر نوع طبیعی

919
00:48:44,880 --> 00:48:46,490
پردازش زبان شما داشته باشد.

920
00:48:46,490 --> 00:48:49,140
پس چه مهم است
همه چیز در مورد نحو؟

921
00:48:49,140 --> 00:48:52,390
بنابراین، حکم به طور کلی
آنچه که ما در ترکیبات تماس بگیرید.

922
00:48:52,390 --> 00:48:57,080
که نوع مانند گروه از کلمات
که تابع در جمله.

923
00:48:57,080 --> 00:49:02,220
و آنها واقعا نمی تواند باشد
جدا از یکدیگر.

924
00:49:02,220 --> 00:49:07,380
>> بنابراین، اگر من می گویم، به عنوان مثال، "لورن را دوست دارد
میلو. "من می دانم که" لورن "است

925
00:49:07,380 --> 00:49:10,180
تشکیل و پس از آن "را دوست دارد
میلو "نیز یکی دیگر.

926
00:49:10,180 --> 00:49:16,860
از آنجا که شما نمی تواند مانند "لورن میلو می گویند
دوست دارد "به همان معنی.

927
00:49:16,860 --> 00:49:18,020
این نخواهیم داشت.
همان معنی.

928
00:49:18,020 --> 00:49:22,500
و یا من نمی توانم مثل "میلو لورن می گویند
را دوست دارد. "همه چیز است، همان

929
00:49:22,500 --> 00:49:25,890
به این معنی که انجام آن.

930
00:49:25,890 --> 00:49:31,940
>> بنابراین دو چیز مهم تر در مورد
نحو هستند که انواع واژگانی است که

931
00:49:31,940 --> 00:49:35,390
اساسا تابع شما که
برای کلمات به خودی خود.

932
00:49:35,390 --> 00:49:39,180
بنابراین شما باید بدانید که "لورن"
و "میلو" اسم هستند.

933
00:49:39,180 --> 00:49:41,040
"عشق" یک فعل است.

934
00:49:41,040 --> 00:49:45,660
و نکته مهم دیگر این است
که آنها انواع چند قسمتی است.

935
00:49:45,660 --> 00:49:48,990
بنابراین شما می دانید که "دوست دارد میلو"
است که در واقع یک عبارت کلامی.

936
00:49:48,990 --> 00:49:52,390
بنابراین، هنگامی که من می گویم "لورن،" من می دانم که
لورن در حال انجام چیزی.

937
00:49:52,390 --> 00:49:53,620
آنچه که او انجام می دهد؟

938
00:49:53,620 --> 00:49:54,570
او دوست میلو.

939
00:49:54,570 --> 00:49:56,440
پس از آن تمام چیزی است.

940
00:49:56,440 --> 00:50:01,640
اما اجزاء آن است
یک اسم و یک فعل.

941
00:50:01,640 --> 00:50:04,210
اما با هم، آنها را که عبارت است از فعل.

942
00:50:04,210 --> 00:50:08,680
>> بنابراین، آنچه می تواند ما در واقع با انجام
زبان شناسی محاسباتی؟

943
00:50:08,680 --> 00:50:13,810
بنابراین، اگر من چیزی به عنوان مثال
"دوستان آلیسون." من را ببینید اگر من فقط

944
00:50:13,810 --> 00:50:17,440
یک درخت نحوی من می دانم که
"دوستان" که عبارت است اسم آن است

945
00:50:17,440 --> 00:50:21,480
اسم و پس از آن "از آلیسون" است
حرف اضافه است که در آن "از" است

946
00:50:21,480 --> 00:50:24,810
پیشنهاد و "آلیسون" یک اسم است.

947
00:50:24,810 --> 00:50:30,910
چیزی که من می تواند انجام دهد این است که آموزش کامپیوتر من
که زمانی که من یک عبارت اسمی یک و

948
00:50:30,910 --> 00:50:33,080
پس از آن یک عبارت گزاره.

949
00:50:33,080 --> 00:50:39,020
بنابراین در این مورد، "دوستان" و سپس "از
میلو "من می دانم که این بدان معنی است که

950
00:50:39,020 --> 00:50:43,110
NP2، دوم، صاحب NP1.

951
00:50:43,110 --> 00:50:47,680
>> بنابراین من می توانید از برخی از انواع رابطه ایجاد،
نوعی از تابع برای آن.

952
00:50:47,680 --> 00:50:52,370
بنابراین هر زمان که من این ساختار را مشاهده کنید، که
دقیقا با "دوستان

953
00:50:52,370 --> 00:50:56,030
آلیسون، "من می دانم که آلیسون
صاحب دوستان.

954
00:50:56,030 --> 00:50:58,830
پس دوستان چیزی
که آلیسون است.

955
00:50:58,830 --> 00:50:59,610
را حس می کند؟

956
00:50:59,610 --> 00:51:01,770
پس این است که اساسا چه
نمودار جستجو می کند.

957
00:51:01,770 --> 00:51:04,360
این فقط ایجاد قوانین
برای بسیاری از مسائل.

958
00:51:04,360 --> 00:51:08,190
بنابراین "دوستان آلیسون"، "دوستان من
که در کمبریج "زندگی می کنند،" دوستان من

959
00:51:08,190 --> 00:51:12,970
که به دانشگاه هاروارد رفت. "آن را ایجاد قوانین
برای همه کسانی که همه چیز.

960
00:51:12,970 --> 00:51:14,930
>> در حال حاضر ترجمه ماشینی.

961
00:51:14,930 --> 00:51:18,850
بنابراین، ترجمه ماشینی است
چیزی آماری.

962
00:51:18,850 --> 00:51:21,340
و در واقع اگر شما درگیر در
زبان شناسی محاسباتی، بسیاری از

963
00:51:21,340 --> 00:51:23,580
مسائل خود را در حال رفتن به آمار.

964
00:51:23,580 --> 00:51:26,670
پس که من انجام شده بود به عنوان مثال با
بسیاری از احتمالات بود که من

965
00:51:26,670 --> 00:51:30,540
محاسبه، و سپس شما را به این را دریافت کنید
تعداد بسیار کمی که به فینال

966
00:51:30,540 --> 00:51:33,180
به احتمال قوی، و این چیزی است که
به شما پاسخ دهد.

967
00:51:33,180 --> 00:51:37,540
ترجمه ماشینی نیز استفاده می کند
یک مدل آماری.

968
00:51:37,540 --> 00:51:44,790
و اگر می خواهید از دستگاه فکر می کنم
ترجمه در ساده ترین ممکن

969
00:51:44,790 --> 00:51:48,970
راه، چیزی که شما می توانید از فکر می کنم فقط
ترجمه کلمه به کلمه، درست است؟

970
00:51:48,970 --> 00:51:52,150
>> هنگامی که شما در حال یادگیری زبان برای
اولین بار، که معمولا چه

971
00:51:52,150 --> 00:51:52,910
شما انجام دهید، درست است؟

972
00:51:52,910 --> 00:51:57,050
اگر شما می خواهم به شما یک جمله ترجمه
در زبان خود را به زبان

973
00:51:57,050 --> 00:52:00,060
شما در حال یادگیری، معمولا برای اولین بار، شما
ترجمه هر یک از کلمات

974
00:52:00,060 --> 00:52:03,180
به صورت جداگانه، و پس از آن شما سعی می کنید
برای قرار دادن کلمات را به محل.

975
00:52:03,180 --> 00:52:07,100
>> پس اگر من می خواستم برای ترجمه این،
[صحبت پرتغالی]

976
00:52:07,100 --> 00:52:10,430
که به معنی "گربه سفید فرار کرد."
اگر من می خواستم به آن را ترجمه از

977
00:52:10,430 --> 00:52:13,650
پرتغالی به انگلیسی، چیزی که من
می تواند انجام دهید، برای اولین بار، من فقط

978
00:52:13,650 --> 00:52:14,800
ترجمه واژه به واژه.

979
00:52:14,800 --> 00:52:20,570
بنابراین "ای" "،" "گاتو"، "گربه" است
"برانکو"، "سفید،" و سپس "fugio" است

980
00:52:20,570 --> 00:52:21,650
"فرار کرد."

981
00:52:21,650 --> 00:52:26,130
>> پس من تمام کلمات را در اینجا،
اما آنها به منظور نیست.

982
00:52:26,130 --> 00:52:29,590
این مانند "سفید گربه فرار"
ungrammatical است.

983
00:52:29,590 --> 00:52:34,490
بنابراین، پس از آن من می تواند یک گام دوم، باید که
برای رفتن به پیدا کردن ایده آل

984
00:52:34,490 --> 00:52:36,610
موقعیت را برای هر یک از کلمات.

985
00:52:36,610 --> 00:52:40,240
بنابراین من می دانم که من در واقع می خواهم به
"گربه سفید" به جای "گربه سفید." پس

986
00:52:40,240 --> 00:52:46,050
آنچه که من می تواند انجام دهد، روش ساده و بی تکلف ترین
خواهد بود برای ایجاد تمام

987
00:52:46,050 --> 00:52:49,720
جایگشت های ممکن است از
کلمات، از مواضع.

988
00:52:49,720 --> 00:52:53,300
و بعد ببینید که کدام یک است
بیشترین احتمال بر اساس

989
00:52:53,300 --> 00:52:54,970
مدل زبان من.

990
00:52:54,970 --> 00:52:58,390
و سپس هنگامی که یکی است که پیدا کردن من
بالاترین احتمال آن است که

991
00:52:58,390 --> 00:53:01,910
احتمالا "گربه سفید فرار کرد،"
که ترجمه من است.

992
00:53:01,910 --> 00:53:06,710
>> و این یک روش ساده توضیح است
چگونه بسیاری از ترجمه ماشینی

993
00:53:06,710 --> 00:53:07,910
الگوریتم های کار می کنند.

994
00:53:07,910 --> 00:53:08,920
آیا این را حس؟

995
00:53:08,920 --> 00:53:12,735
این هم چیزی است که واقعا هیجان انگیز
که شما بچه ها شاید می تواند برای کشف

996
00:53:12,735 --> 00:53:13,901
پروژه نهایی، آره؟

997
00:53:13,901 --> 00:53:15,549
>> STUDENT: خوب، می گفت که
راه ساده و بی تکلف، پس چه

998
00:53:15,549 --> 00:53:17,200
راه های غیر ساده و بی تکلف؟

999
00:53:17,200 --> 00:53:18,400
>> LUCAS فریتاس: راه های غیر ساده و بی تکلف؟

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
بنابراین اولین چیزی است که در مورد بد
این روش این است که من فقط ترجمه

1002
00:53:22,860 --> 00:53:24,330
کلمات، کلمه به کلمه.

1003
00:53:24,330 --> 00:53:30,570
اما گاهی اوقات شما باید کلماتی را که
می توانید ترجمه های متعدد داشته باشد.

1004
00:53:30,570 --> 00:53:32,210
من قصد دارم به تلاش برای فکر می کنم
از چیزی.

1005
00:53:32,210 --> 00:53:37,270
به عنوان مثال، "مانگا" می تواند در پرتغالی
یا می شود "شکستن" و یا "آستین." پس

1006
00:53:37,270 --> 00:53:40,450
هنگامی که شما تلاش برای ترجمه کلمه
کلمه، آن را ممکن است به شما

1007
00:53:40,450 --> 00:53:42,050
چیزی که باعث می شود هیچ حس.

1008
00:53:42,050 --> 00:53:45,770
>> بنابراین شما در واقع می خواهم به شما نگاه کنید در تمام
ترجمه ها ممکن است از

1009
00:53:45,770 --> 00:53:49,840
کلمات و ببینید، اول از همه،
چه منظور است.

1010
00:53:49,840 --> 00:53:52,000
ما در مورد permutating صحبت می کردند
چیزهایی؟

1011
00:53:52,000 --> 00:53:54,150
برای دیدن تمام دستورات ممکن است و
یکی با بالاترین را انتخاب کنید

1012
00:53:54,150 --> 00:53:54,990
احتمال؟

1013
00:53:54,990 --> 00:53:57,860
شما همچنین می توانید همه ممکن را انتخاب کنید
ترجمه برای هر

1014
00:53:57,860 --> 00:54:00,510
کلمه و سپس ببینید -

1015
00:54:00,510 --> 00:54:01,950
همراه با جایگشت -

1016
00:54:01,950 --> 00:54:03,710
که یکی دارای بالاترین احتمال.

1017
00:54:03,710 --> 00:54:08,590
>> به علاوه، شما همچنین می توانید نه در نگاه
فقط کلمات اما عبارات.

1018
00:54:08,590 --> 00:54:11,700
بنابراین شما می توانید روابط بین تجزیه و تحلیل
کلمات و سپس یک

1019
00:54:11,700 --> 00:54:13,210
ترجمه بهتر است.

1020
00:54:13,210 --> 00:54:16,690
همچنین چیز دیگری است، بنابراین این ترم
من در واقع انجام پژوهش در

1021
00:54:16,690 --> 00:54:19,430
چینی به انگلیسی ترجمه ماشینی،
بنابراین ترجمه از

1022
00:54:19,430 --> 00:54:20,940
چینی به انگلیسی.

1023
00:54:20,940 --> 00:54:26,760
>> و چیزی است که ما انجام شده است، علاوه بر این با استفاده از
یک مدل آماری است که فقط

1024
00:54:26,760 --> 00:54:30,570
دیدن احتمال دیدن
برخی از موقعیت در یک جمله، من هستم

1025
00:54:30,570 --> 00:54:35,360
در واقع همچنین اضافه کردن برخی از نحو به من
مدل و گفت: آه، اگر من این نوع را ببینید

1026
00:54:35,360 --> 00:54:39,420
ساخت و ساز، این چیزی است که من می خواهم
آن را تغییر دهید تا وقتی که من ترجمه کنید.

1027
00:54:39,420 --> 00:54:43,880
بنابراین شما همچنین می توانید نوعی از اضافه
عنصر نحو به

1028
00:54:43,880 --> 00:54:47,970
ترجمه کارآمد تر
و دقیق تر.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> پس چگونه می تواند به شما برای شروع، اگر شما می خواهید
برای انجام کاری در محاسبات

1031
00:54:51,010 --> 00:54:51,980
زبان شناسی؟

1032
00:54:51,980 --> 00:54:54,560
>> اول، شما یک پروژه را انتخاب کنید
که شامل زبان.

1033
00:54:54,560 --> 00:54:56,310
بنابراین، بسیاری از خارج وجود دارد وجود دارد.

1034
00:54:56,310 --> 00:54:58,420
در بسیاری از چیزهایی که شما می توانید انجام دهید وجود دارد.

1035
00:54:58,420 --> 00:55:00,510
و پس از آن می توانید از یک مدل فکر می کنم
که شما می توانید استفاده کنید.

1036
00:55:00,510 --> 00:55:04,710
معمولا این بدان معناست که تفکر
مفروضات، به عنوان مثل، آه، وقتی که من بود

1037
00:55:04,710 --> 00:55:05,770
مانند فکر کردن متن.

1038
00:55:05,770 --> 00:55:09,510
من دوست دارم، خوب، بود اگر من می خواهم به شکل
از کسانی که از این نوشت، من احتمالا می خواهید

1039
00:55:09,510 --> 00:55:15,400
به کلمات نگاه شخص استفاده می شود و
ببینید که با استفاده از آن کلمه اغلب.

1040
00:55:15,400 --> 00:55:18,470
بنابراین سعی کنید به مفروضات و
سعی کنید از مدل های فکر می کنم.

1041
00:55:18,470 --> 00:55:21,395
و سپس شما همچنین می توانید آنلاین جستجوی
نوع مشکل است که شما را،

1042
00:55:21,395 --> 00:55:24,260
و آن را نشان می دهد
به شما مدل که شاید

1043
00:55:24,260 --> 00:55:26,560
مدل سازی است که چیزی که هست.

1044
00:55:26,560 --> 00:55:29,080
>> و همچنین شما همیشه می توانید به من ایمیل.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
و من فقط می توانید سوالات خود را پاسخ دهد.

1047
00:55:34,940 --> 00:55:38,600
ما حتی می توانیم به ملاقات، بنابراین من می تواند
نظر خواهی و پیشنهادات در مورد راه از

1048
00:55:38,600 --> 00:55:41,490
اجرای پروژه شما.

1049
00:55:41,490 --> 00:55:45,610
و من اگر شما درگیر با
زبان شناسی محاسباتی، این رفتن

1050
00:55:45,610 --> 00:55:46,790
به بزرگ است.

1051
00:55:46,790 --> 00:55:48,370
شما به وجود دارد
پتانسیل بسیار زیادی است.

1052
00:55:48,370 --> 00:55:52,060
و صنعت می خواهد به استخدام
شما بد چون از آن.

1053
00:55:52,060 --> 00:55:54,720
بنابراین من امیدوارم که شما بچه ها این لذت می برد.

1054
00:55:54,720 --> 00:55:57,030
اگر شما هر گونه سوال،
شما می توانید به من بعد از این سوال.

1055
00:55:57,030 --> 00:55:58,280
اما شما تشکر می کنم.

1056
00:55:58,280 --> 00:56:00,150