در این مطلب، ویدئو آموزش پایتون SpaCy – چگونه زبان ها را با Spacy تشخیص دهیم با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:33
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,149 –> 00:00:01,770
سلام به همه خوش آمدید دوباره
2
00:00:01,770 –> 00:00:03,540
نام من جسی است و یکی از سه نفری است
3
00:00:03,540 –> 00:00:04,740
که ما سعی می کنیم ببینیم چگونه
4
00:00:04,740 –> 00:00:06,870
زبان ها را تشخیص دهیم که اساساً انجام شده است.
5
00:00:06,870 –> 00:00:08,550
6
00:00:08,550 –> 00:00:10,290
7
00:00:10,290 –> 00:00:11,969
بسیار نزدیک به بسته ای هستند که می
8
00:00:11,969 –> 00:00:14,670
تواند به شما کمک کند زبانی را که می توانید
9
00:00:14,670 –> 00:00:18,359
از آن استفاده کنید نصب نوار Spacey CLT درست
10
00:00:18,359 –> 00:00:21,090
بر اساس قیمت OD از زیر و
11
00:00:21,090 –> 00:00:23,220
سپس ما هشدار فضای نصب pip را به
12
00:00:23,220 –> 00:00:25,320
درستی داریم، بنابراین می توانید به راحتی این حروف را
13
00:00:25,320 –> 00:00:28,830
انجام دهید، بنابراین بیایید از آن استفاده کنیم. به XYZ بنابراین Donna فقط
14
00:00:28,830 –> 00:00:34,440
با ورودیها بروید، آن را افزایش میدهید، اما ما
15
00:00:34,440 –> 00:00:39,840
Spacey bootiful Spacey را وارد میکنیم، سپس یک
16
00:00:39,840 –> 00:00:41,309
کالای تودرتو، آن را بیرون میآورید تا به سمت
17
00:00:41,309 –> 00:00:43,590
شما بروید، جیب ما Ajit دیجیتال را به
18
00:00:43,590 –> 00:00:46,289
زبان ما برگردانید، ویجت ما را بارگیری کنید که قرار
19
00:00:46,289 –> 00:00:50,850
است از Spacey ما باشد و هسته یخی
20
00:00:50,850 –> 00:00:56,059
که تاتا است، اما آشکارساز زبان را درست قرار می دهد،
21
00:00:56,059 –> 00:00:58,739
به طوری که
22
00:00:58,739 –> 00:00:59,550
جدولی را در کنار هم
23
00:00:59,550 –> 00:01:02,129
اشیاء NLP قرار می دهد تا آنها را نه، لطفاً اوه،
24
00:01:02,129 –> 00:01:05,670
اسپیسی buttload بله،
25
00:01:05,670 –> 00:01:08,939
پس از بارگذاری کرتین ما
26
00:01:08,939 –> 00:01:11,369
اشیاء NLP ما، زبان خود را اضافه می کنم.
27
00:01:11,369 –> 00:01:13,140
تتا که شما باید آن را از
28
00:01:13,140 –> 00:01:17,130
گونه Alex Cole Zod به عنوان یک لوله درست
29
00:01:17,130 –> 00:01:19,080
هر یک از توانایی های RNIB قرار دهید
30
00:01:19,080 –> 00:01:20,610
بنابراین این دوباره به من می گوید
31
00:01:20,610 –> 00:01:26,729
که سایبان آن اضافی باشد Doc’s add
32
00:01:26,729 –> 00:01:30,479
let’s go PI آنها برو به کارت ساعت ما
33
00:01:30,479 –> 00:01:32,790
یک متر سمت راست امیدوارم که آنها به
34
00:01:32,790 –> 00:01:34,340
پس بیایید ببینیم بیایید ابتدا با آن
35
00:01:34,340 –> 00:01:38,900
در یک متغیر صحبت کنیم و یک
36
00:01:38,900 –> 00:01:46,049
تشخیص زبان اسکاتلندی ابتدا زبان خود را کاملاً
37
00:01:46,049 –> 00:01:48,720
مقداردهی اولیه می کند، سپس فقط آن را
38
00:01:48,720 –> 00:01:49,380
در اینجا لطفاً بفرمایید،
39
00:01:49,380 –> 00:01:51,390
بنابراین آیا تودرتو می تواند دو
40
00:01:51,390 –> 00:01:57,570
زبان دیگر را انجام دهد که شما آن را
41
00:01:57,570 –> 00:02:00,210
به لوله ما اضافه کرده اید. آن را به چمدانمان اضافه کردیم
42
00:02:00,210 –> 00:02:03,370
Y بنابراین اکنون می توانم از آن برای کار استفاده کنم،
43
00:02:03,370 –> 00:02:06,510
بیایید آن را بگیرم عمو، بنابراین به نظر می رسد
44
00:02:06,510 –> 00:02:11,740
که دکتر شوخی ندارد، من فقط در آزمونی
45
00:02:11,740 –> 00:02:14,230
که انجام داده ایم معمولاً تحسین می کنم و فقط با آن CW بروید
46
00:02:14,230 –> 00:02:14,650
47
00:02:14,650 –> 00:02:18,850
تا ببینم او تمام شده است لزلی او در
48
00:02:18,850 –> 00:02:22,360
لندن به این شکل کار