Advanced Natural Language Processing with TensorFlow 2: Tworzenie skutecznych aplikacji NLP w świecie rzeczywistym przy użyciu NER, RNN, modeli seq2seq, transformatorów i innych narzędzi

Opinie czytelników

Książka jest kompleksowym przewodnikiem po przetwarzaniu języka naturalnego (NLP), który z powodzeniem zaspokaja potrzeby zarówno początkujących, jak i doświadczonych praktyków. Obejmuje różnorodne tematy, od podstawowych koncepcji po zaawansowane techniki, w tym transformatory i rzeczywiste zastosowania. Włączenie praktycznych przykładów kodu i zasobów GitHub zwiększa doświadczenie w nauce, ale niektórzy czytelnicy uważają, że przestarzałe metody i rozpraszający kod boilerplate są wadami. Ogólnie rzecz biorąc, jest to wysoce zalecane dla tych, którzy chcą zrozumieć i wdrożyć nowoczesne techniki NLP.

⬤ Kompleksowe omówienie tematów NLP od podstawowych do zaawansowanych technik.
⬤ Łatwość czytania dzięki jasnym wyjaśnieniom i ilustracjom.
⬤ Praktyczne przykłady kodu i zasoby GitHub pomagają w nauce.
⬤ Odpowiednia zarówno dla początkujących, jak i doświadczonych profesjonalistów.
⬤ Aktualne informacje na temat nowoczesnych rozwiązań i narzędzi NLP, takich jak TensorFlow i HuggingFace.
⬤ Silny nacisk na praktyczne zastosowania i rzeczywiste przykłady.

⬤ Niektóre omówione metody, takie jak LSTM i seq2seq, są uważane za przestarzałe w szybko ewoluującym krajobrazie NLP.
⬤ Obecność standardowego kodu może odwracać uwagę od głównych koncepcji.
⬤ Różne biblioteki/metody dla podobnych zadań mogą prowadzić do mniej spójnego doświadczenia edukacyjnego.
⬤ Niektórzy czytelnicy mogą uznać, że książka nie jest odpowiednia dla absolutnie początkujących osób bez żadnej wcześniejszej wiedzy.

(na podstawie 31 opinii czytelników)

Oryginalny tytuł:

Advanced Natural Language Processing with TensorFlow 2: Build effective real-world NLP applications using NER, RNNs, seq2seq models, Transformers, and

Zawartość książki:

Kompleksowe rozwiązanie dla praktyków NLP, programistów ML i naukowców zajmujących się danymi do budowania skutecznych systemów NLP, które mogą wykonywać skomplikowane zadania w świecie rzeczywistym.

Kluczowe cechy

⬤ Zaimplementuj algorytmy głębokiego uczenia, takie jak BiLSTMS, CRF i wiele innych za pomocą TensorFlow 2.

⬤ Poznanie klasycznych technik i bibliotek NLP, w tym tagowania części mowy i tokenizacji.

⬤ Poznanie praktycznych zastosowań NLP, obejmujących czołowe dziedziny tej dziedziny, takie jak analiza nastrojów i generowanie tekstu.

Opis książki

W ciągu ostatnich kilku lat nastąpił ogromny postęp w przetwarzaniu języka naturalnego i obecnie przechodzimy od laboratoriów badawczych do praktycznych zastosowań. Advanced Natural Language Processing to idealne połączenie zarówno teoretycznych, jak i praktycznych aspektów popularnych i złożonych technik NLP.

Książka ta koncentruje się na innowacyjnych zastosowaniach w dziedzinie NLP, generowania języka i systemów dialogowych. Zawiera ona szczegółowe informacje na temat stosowania koncepcji wstępnego przetwarzania tekstu przy użyciu technik takich jak tokenizacja, tagowanie części mowy i lematyzacja przy użyciu popularnych bibliotek, takich jak Stanford NLP i SpaCy. Rozpoznawanie nazwanych jednostek (NER), kamień węgielny botów zorientowanych na zadania, jest budowane od podstaw przy użyciu warunkowych pól losowych i dekodowania Viterbiego na RNN.

Przyjmując praktyczną i skoncentrowaną na zastosowaniach perspektywę, książka obejmuje kluczowe pojawiające się obszary, takie jak generowanie tekstu do wykorzystania w uzupełnianiu zdań i podsumowywaniu tekstu, łączenie obrazów i tekstu poprzez generowanie podpisów do obrazów oraz zarządzanie dialogowymi aspektami projektowania chatbotów. Obejmuje również jeden z najważniejszych powodów ostatnich postępów w NLP - zastosowanie uczenia transferowego i dostrajania przy użyciu TensorFlow 2.

Ponadto omówiono praktyczne techniki, które mogą uprościć etykietowanie danych tekstowych, co w przeciwnym razie okazuje się kosztowną sprawą. Książka zawiera również działający kod dla każdego elementu technicznego, dzięki czemu można je dostosować do własnych przypadków użycia.

Pod koniec tej książki o TensorFlow będziesz miał zaawansowaną wiedzę na temat narzędzi, technik i architektury głębokiego uczenia się wykorzystywanych do rozwiązywania złożonych problemów NLP.

Czego się nauczysz

⬤ Poznać ważne kroki wstępne w budowaniu aplikacji NLP, takich jak tagowanie POS.

⬤ radzić sobie z ogromnymi ilościami nieoznakowanych i małych oznakowanych zbiorów danych w NLP.

⬤ Wykorzystanie transferu i słabo nadzorowanego uczenia się przy użyciu bibliotek takich jak Snorkel.

⬤ Przeprowadzanie analizy nastrojów przy użyciu BERT.

⬤ Zastosuj architektury NN kodera-dekodera i wyszukiwanie wiązkowe do podsumowywania tekstu.

⬤ Wykorzystanie modeli transformatorowych do łączenia obrazów i tekstu.

⬤ Tworzenie aplikacji generujących podpisy i odpowiadających na pytania dotyczące obrazów.

⬤ Wykorzystaj zaawansowane techniki TensorFlow, takie jak wyżarzanie wskaźnika uczenia, niestandardowe warstwy i niestandardowe funkcje strat, aby zbudować najnowsze głębokie modele NLP.

Dla kogo jest ta książka

Nie jest to książka wprowadzająca i zakłada, że czytelnik jest zaznajomiony z podstawami NLP i posiada podstawowe umiejętności Pythona, a także podstawową wiedzę z zakresu uczenia maszynowego oraz rachunku różniczkowego i algebry liniowej na poziomie licencjackim.

Czytelnicy, którzy mogą odnieść największe korzyści z tej książki to:

Średnio zaawansowani programiści ML, którzy znają podstawy uczenia nadzorowanego i technik uczenia głębokiego.

Profesjonaliści, którzy już używają TensorFlow/Python do celów takich jak data science, ML, badania i analizy.