Applied Natural Language Processing with Python: Wdrażanie algorytmów uczenia maszynowego i głębokiego uczenia na potrzeby przetwarzania języka naturalnego

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.

Oryginalny tytuł:

Applied Natural Language Processing with Python: Implementing Machine Learning and Deep Learning Algorithms for Natural Language Processing

Zawartość książki:

Rozdział 1: Czym jest przetwarzanie języka naturalnego? Cel rozdziału: Zrozumienie tematu i przegląd tekstuLiczba stron: 10 stronPodtematy1. Historia przetwarzania języka naturalnego 2.

Osadzanie słów3. Sieci neuronowe stosowane w przetwarzaniu języka naturalnego 4. Pakiety Python.

Rozdział 2: Przegląd uczenia maszynowegoCel rozdziału: Omówienie modeli, które będą przywoływane w tekścieLiczba stron: 30 stronPodtematy 1.

Gradient zstępujący 2. Perceptrony wielowarstwowe 3.

Sieci neuronowe rekurencyjne4. Sieci LSTM. Rozdział 3: Praca z surowym tekstem Cel rozdziału: Zapoznanie czytelnika z podstawowymi aspektami przetwarzania języka naturalnego, które będą w większym stopniu wykorzystywane w rozdziałach dotyczących liczby stron: 30Podsumowanie - Tematy: 1.

Tokenizacja słów 2. Wstępne przetwarzanie i czyszczenie danych tekstowych3. Web crawling w/ SpaCy4.

Lematy, N-gramy i inne koncepcje przetwarzania języka naturalnego. Rozdział 4: Osadzanie słów i ich zastosowanieCel rozdziału: Zapoznanie czytelnika z przypadkami użycia osadzania słów i pakietami, których do tego używamyLiczba stron: 50 Podtematy: 1.

Word2Vec2. Doc2Vec3. GloVe.

Rozdział 5: Wykorzystanie uczenia maszynowego w przetwarzaniu języka naturalnego Cel rozdziału: Przekazanie czytelnikowi konkretnych wskazówek dotyczących zaawansowanych zastosowań przetwarzania języka naturalnego przy użyciu uczenia maszynowego w większych aplikacjach (sprawdzanie pisowni i analiza nastrojów) Liczba stron: 501.

Tensorflow2. Keras3. Caffe