پادکست کتاب «مقدمه‌ای بر بازیابی اطلاعات» کریستوفر دی. منینگ

📘 معرفی محصول:

در دنیای امروز که با رشد شتابان داده‌ها روبه‌رو هستیم. توانایی جستجو، تحلیل و بازیابی اطلاعات از میان حجم عظیمی از اسناد متنی، یکی از ارکان کلیدی در علوم کامپیوتر و فناوری اطلاعات محسوب می‌شود. کتاب «Introduction to Information Retrieval» یکی از منابع معتبر و جامع در زمینه‌ی بازیابی اطلاعات است. این کتاب با نگاهی علمی، ساخت‌یافته و مبتنی بر تجربه‌ی پژوهشی، مفاهیم بنیادین و پیشرفته‌ی این حوزه را ارائه می‌دهد.ما در آیصدر، با هدف ارائه‌ی آموزش کاربردی و مفهومی، ۱۲ فصل ابتدایی این کتاب را به صورت پادکست‌های آموزشی با کیفیت تولید کرده‌ایم. هر قسمت از این مجموعه، به شکلی علمی، منسجم و الهام‌بخش به بررسی موضوعات کلیدی فصل‌ها می‌پردازد و در زمانی کوتاه، نکات کلیدی را به شما منتقل می‌کند.

🎯 ویژگی‌های محصول:

* زبان پادکست: فارسی
* مبتنی بر آخرین نسخه‌ی رسمی ویرایش‌شده کتاب
* شامل پادکست‌های تخصصی فصل‌های ۱ تا ۱۲
* مناسب برای دانشجویان، پژوهشگران، علاقه‌مندان به حوزه بازیابی اطلاعات، NLP، یادگیری ماشین و علم داده
* فرمت فایل‌ها: صوتی (MP3) – کیفیت بالا
* دسترسی سریع و دائمی پس از خرید
* ارائه‌ی رایگان پادکست فصل اول جهت ارزیابی کیفیت آموزشی

📚 خرید کتاب فارسی

نسخه‌ی ترجمه‌شده‌ی کتاب مقدمه ای بر بازیابی اطلاعات برای مطالعه‌ی تکمیلی در دسترس است. برای تهیه آن اینجا را ببینید.

در این مجموعه صوتی چه چیزهایی را فرا خواهید گرفت؟

۱) مبانی بازیابی اطلاعات: معرفی مدل بولی، ساخت ایندکس معکوس و مفاهیم پایه جستجوی متنی.
۲) واژگان و فهرست‌های پستینگ: استخراج واژگان، جستجوی عبارتی و استفاده از تکنیک‌هایی مانند skip pointers.
۳) جستجوی تحمل‌پذیر خطا: Wildcard، تصحیح املا، جستجوی آوایی و ساختار دیکشنری.
۴) ساخت ایندکس: روش‌های ساخت ایندکس در مقیاس‌های بزرگ شامل توزیع‌شده و درون‌حافظه‌ای.
۵) فشرده‌سازی ایندکس: کاهش حجم ایندکس‌ها و افزایش سرعت پاسخگویی.
۶) وزن‌دهی به اصطلاحات و مدل برداری: معرفی tf-idf، مدل فضای برداری و محاسبه‌ی امتیاز اسناد.
۷) محاسبه نمره نهایی در سیستم‌های جستجو: بهینه‌سازی بازیابی و تعامل میان مؤلفه‌های سیستم.
۸) ارزیابی سیستم‌های بازیابی: معرفی شاخص‌هایی مانند Precision، Recall و متریک‌های ارزیابی رتبه‌بندی.
۹) بازخورد ارتباطی و گسترش پرس‌وجو: روش‌های بهبود نتایج جستجو با استفاده از بازخورد کاربر و تغییر پرس‌وجو.
۱۰) بازیابی XML: ساختار، چالش‌ها و ارزیابی بازیابی اطلاعات ساخت‌یافته.
۱۱) مدل‌های احتمالاتی: مدل دودویی، رتبه‌بندی مبتنی بر احتمال و اصول احتمالات پایه در IR.
۱۲) مدل‌های زبانی در IR: استفاده از مدل زبانی برای رتبه‌بندی اسناد و مقایسه با سایر رویکردها.

این مجموعه برای دانشجویان علوم کامپیوتر، تحلیل‌گران اطلاعات، توسعه‌دهندگان نرم‌افزار و تمامی علاقه‌مندان به تبدیل متن به دانش، یک منبع ضروری به‌شمار می‌رود.

فهرست کامل فصول کتاب

در زیر، فهرست کامل سرفصل‌های کتاب اصلی برای اطلاع شما آورده شده است.

توجه: مجموعه پادکست صوتی ارائه شده، فصل‌های ۱ تا 12 از فهرست زیر را در بر می‌گیرد.

۱. Boolean Retrieval
۲. The Term Vocabulary and Postings Lists
۳. Dictionaries and Tolerant Retrieval
۴. Index Construction
۵. Index Compression
۶. Scoring, Term Weighting, and the Vector Space Model
۷. Computing Scores in a Complete Search System
۸. Evaluation in Information Retrieval
۹. Relevance Feedback and Query Expansion
۱۰. XML Retrieval
۱۱. Probabilistic Information Retrieval
۱۲. Language Models for Information Retrieval
۱۳. Text Classification and Naive Bayes
۱۴. Vector Space Classification
۱۵. Support Vector Machines and Machine Learning on Documents
۱۶. Flat Clustering
۱۷. Hierarchical Clustering
۱۸. Matrix Decompositions and Latent Semantic Indexing
۱۹. Web Search Basics
۲۰. Web Crawling and Indexes
۲۱. Link Analysis