Przepisy na przetwarzanie języka naturalnego: Odblokowywanie danych tekstowych za pomocą uczenia maszynowego i głębokiego uczenia przy użyciu Pythona

Ocena:   (5,0 na 5)

Przepisy na przetwarzanie języka naturalnego: Odblokowywanie danych tekstowych za pomocą uczenia maszynowego i głębokiego uczenia przy użyciu Pythona (Akshay Kulkarni)

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.

Dodatkowe informacje o książce:

ISBN:9781484273500
Autor:
Wydawca:
Oprawa:Miękka oprawa
Rok wydania:2021
Liczba stron:283

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Przepisy na przetwarzanie języka naturalnego: Odblokowywanie danych tekstowych za pomocą uczenia...
Skoncentruj się na wdrażaniu kompleksowych...
Przepisy na przetwarzanie języka naturalnego: Odblokowywanie danych tekstowych za pomocą uczenia maszynowego i głębokiego uczenia przy użyciu Pythona - Natural Language Processing Recipes: Unlocking Text Data with Machine Learning and Deep Learning Using Python
Projekty wizji komputerowej z Pytorch: Projektowanie i rozwijanie modeli klasy produkcyjnej -...
Projektuj i rozwijaj kompleksowe, produkcyjne projekty...
Projekty wizji komputerowej z Pytorch: Projektowanie i rozwijanie modeli klasy produkcyjnej - Computer Vision Projects with Pytorch: Design and Develop Production-Grade Models
Applied Recommender Systems with Python: Tworzenie systemów rekomendacji z wykorzystaniem głębokiego...
Ta książka nauczy Cię, jak budować systemy...
Applied Recommender Systems with Python: Tworzenie systemów rekomendacji z wykorzystaniem głębokiego uczenia, Nlp i technik opartych na grafach - Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, Nlp and Graph-Based Techniques
Wprowadzenie do preskryptywnej sztucznej inteligencji: podstawy inteligentnych rozwiązań decyzyjnych...
Zdobądź praktyczną wiedzę na temat predykcyjnej...
Wprowadzenie do preskryptywnej sztucznej inteligencji: podstawy inteligentnych rozwiązań decyzyjnych w Pythonie - Introduction to Prescriptive AI: A Primer for Decision Intelligence Solutioning with Python
Projekty przetwarzania języka naturalnego: Tworzenie aplikacji Nlp nowej generacji z wykorzystaniem...
Wykorzystaj techniki uczenia maszynowego i...
Projekty przetwarzania języka naturalnego: Tworzenie aplikacji Nlp nowej generacji z wykorzystaniem technik sztucznej inteligencji - Natural Language Processing Projects: Build Next-Generation Nlp Applications Using AI Techniques
Stosowana generatywna sztuczna inteligencja dla początkujących: Praktyczna wiedza na temat modeli...
Ta książka zapewnia głębokie zanurzenie w świecie...
Stosowana generatywna sztuczna inteligencja dla początkujących: Praktyczna wiedza na temat modeli dyfuzyjnych, Chatgpt i innych lmów - Applied Generative AI for Beginners: Practical Knowledge on Diffusion Models, Chatgpt, and Other Llms

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)