Pierwsze kroki z Deep Learning for Natural Language Processing: Dowiedz się, jak tworzyć aplikacje NLP z Deep Learning

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 16 głosach.

Oryginalny tytuł:

Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning

Zawartość książki:

Dowiedz się, jak przeprojektować aplikacje NLP od podstaw.

Kluczowe cechy

⬤  Zapoznanie się z podstawami dowolnej aplikacji Machine Learning lub Deep Learning.

⬤  Zrozumienie, jak działa przetwarzanie wstępne w potoku NLP.

⬤  Wykorzystanie prostych fragmentów PyTorch do tworzenia podstawowych bloków sieci powszechnie stosowanych w NLP.

⬤  Zapoznanie się z zaawansowaną techniką osadzania, siecią generatywną i technikami przetwarzania sygnału audio.

Opis

Przetwarzanie języka naturalnego (NLP) jest jednym z obszarów, w których stosuje się wiele technik uczenia maszynowego i głębokiego uczenia.

Książka ta obejmuje szeroki zakres zagadnień, w tym podstawy uczenia maszynowego, zrozumienie i optymalizację hiperparametrów, sieci neuronowe o splocie konwolucyjnym (CNN) i rekurencyjne sieci neuronowe (RNN). Książka ta obejmuje nie tylko klasyczną koncepcję przetwarzania tekstu, ale także dzieli się najnowszymi osiągnięciami. Książka ta umożliwi użytkownikom projektowanie sieci o najmniejszej złożoności obliczeniowej i czasowej. Książka ta obejmuje nie tylko podstawy przetwarzania języka naturalnego, ale także pomaga w rozszyfrowaniu logiki stojącej za zaawansowanymi koncepcjami/architekturą, takimi jak normalizacja wsadowa, osadzanie pozycji, gęsta sieć, mechanizm uwagi, sieci autostradowe, modele transformatorowe i sieci syjamskie. Książka ta obejmuje również najnowsze osiągnięcia, takie jak ELMo-BiLM, SkipThought i Bert. Książka ta obejmuje również praktyczną implementację z wyjaśnieniem krok po kroku technik głębokiego uczenia się w modelowaniu tematów, generowaniu tekstu, rozpoznawaniu nazwanych jednostek, podsumowywaniu tekstu i tłumaczeniu językowym. Oprócz tego omówiono również bardzo zaawansowane i otwarte na badania tematy, takie jak Generative Adversarial Network i przetwarzanie mowy.

Czego się nauczysz

⬤  Dowiedz się, jak wykorzystać GPU do głębokiego uczenia.

⬤  Dowiedz się, jak korzystać ze złożonych modeli osadzania, takich jak BERT.

⬤  Zapoznanie się z typowymi aplikacjami NLP.

⬤  Dowiedz się, jak używać GAN w NLP.

⬤  Dowiedz się, jak przetwarzać dane mowy i wdrażać je w aplikacjach mowy.

Dla kogo jest ta książka

Ta książka jest obowiązkową lekturą dla każdego, kto chce rozpocząć karierę z uczeniem maszynowym i głębokim uczeniem. Książka ta jest również przeznaczona dla tych, którzy chcą wykorzystać GPU do tworzenia aplikacji Deep Learning.

Spis treści

1. Zrozumienie podstaw procesu uczenia się.

2. Techniki przetwarzania tekstu.

3. Matematyczna reprezentacja języka.

4. Wykorzystanie RNN w NLP.

5. Zastosowanie CNN w zadaniach NLP.

6. Przyspieszenie NLP dzięki zaawansowanym osadzeniom.

7. Zastosowanie głębokiego uczenia do zadań NLP.

8. Zastosowanie złożonych architektur w NLP.

9. Zrozumienie sieci generatywnych.

10. Techniki przetwarzania mowy.

11. Droga przed nami.

O Autorach

Sunil Patel ukończył studia magisterskie w dziedzinie technologii informatycznych w Indyjskim Instytucie Technologii Informacyjnych-Allahabad, a jego praca magisterska koncentrowała się na badaniu interakcji białko-białko 3D za pomocą głębokiego uczenia się. Sunil pracował w TCS Innovation Labs, Excelra i Innoplexus, zanim dołączył do Nvidii. Głównymi obszarami badań było wykorzystanie uczenia głębokiego, przetwarzanie języka naturalnego w bankowości i opiece zdrowotnej.

Sunil zaczął eksperymentować z głębokim uczeniem się, wszczepiając podstawową warstwę używaną w potokach, a następnie opracowując złożone potoki dla rzeczywistego problemu. Oprócz tego Sunil uczestniczył również w CASP-2014 we współpracy z SCFBIO-IIT Delhi, aby skutecznie przewidywać możliwe tworzenie multimerów białkowych i ich wpływ na choroby przy użyciu głębokiego uczenia. Obecnie Sunil współpracuje z firmą Nvidia jako Data Scientist - III.

Profil LinkedIn https: //www.linkedin.com/in/linus1/.