Opinie czytelników
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Oryginalny tytuł:
Natural Language Processing Recipes: Unlocking Text Data with Machine Learning and Deep Learning Using Python
Zawartość książki:
Skoncentruj się na wdrażaniu kompleksowych projektów przy użyciu Pythona i wykorzystaj najnowocześniejsze algorytmy. Ta książka uczy efektywnego korzystania z szerokiej gamy pakietów przetwarzania języka naturalnego (NLP) w celu: implementacji klasyfikacji tekstu, identyfikacji części mowy, wykorzystania modelowania tematów, podsumowywania tekstu, analizy nastrojów, wyszukiwania informacji i wielu innych zastosowań NLP.
Książka rozpoczyna się od gromadzenia danych tekstowych, skrobania stron internetowych i różnych typów źródeł danych. Wyjaśnia, jak czyścić i wstępnie przetwarzać dane tekstowe oraz oferuje sposoby analizy danych za pomocą zaawansowanych algorytmów. Następnie analizowana jest semantyczna i składniowa analiza tekstu. Złożone rozwiązania NLP, które obejmują normalizację tekstu, są omówione wraz z zaawansowanymi metodami wstępnego przetwarzania, tagowaniem POS, parsowaniem, podsumowywaniem tekstu, analizą nastrojów, word2vec, seq2seq i wieloma innymi. Książka przedstawia podstawy niezbędne do zastosowań uczenia maszynowego i głębokiego uczenia w NLP. W drugim wydaniu omówiono zaawansowane techniki konwersji tekstu na funkcje, takie jak Glove, Elmo, Bert itp. Obejmuje również zrozumienie działania transformatorów, na przykładzie zdań BERT i GPT. Końcowe rozdziały wyjaśniają zaawansowane przemysłowe zastosowania NLP z implementacją rozwiązań i wykorzystaniem mocy technik głębokiego uczenia się dla problemów NLP. Wykorzystuje również najnowocześniejsze zaawansowane sieci RNN, takie jak długa pamięć krótkotrwała, do rozwiązywania złożonych zadań generowania tekstu.
Po przeczytaniu tej książki będziesz miał jasne zrozumienie wyzwań stojących przed różnymi branżami i będziesz pracował nad wieloma przykładami wdrażania NLP w prawdziwym świecie.
Czego się nauczysz
⬤ Znać podstawowe koncepcje wdrażania NLP i różne podejścia do przetwarzania języka naturalnego (NLP), w tym NLP przy użyciu bibliotek Pythona, takich jak NLTK, textblob, SpaCy, Standford CoreNLP i innych.
⬤ Wdrożenie wstępnego przetwarzania tekstu i inżynierii cech w NLP, w tym zaawansowanych metod inżynierii cech.
⬤ Zrozumienie i wdrożenie koncepcji wyszukiwania informacji, podsumowywania tekstu, analizy sentymentu, klasyfikacji tekstu i innych zaawansowanych technik NLP wykorzystujących uczenie maszynowe i głębokie uczenie się.
Dla kogo jest ta książka
Naukowcy zajmujący się danymi, którzy chcą odświeżyć i poznać różne koncepcje przetwarzania języka naturalnego (NLP) poprzez ćwiczenia kodowania.
