Uczenie maszynowe dla tekstu

Opinie czytelników

Książka jest uznanym podręcznikiem z zakresu uczenia maszynowego, w szczególności skupiającym się na zastosowaniach w przetwarzaniu tekstu i uczeniu głębokim. Jest ceniona za jasne i intuicyjne wyjaśnienia złożonych tematów, dzięki czemu jest odpowiednia zarówno dla środowiska akademickiego, jak i profesjonalistów z branży. Niektórzy czytelnicy uważają jednak, że niektóre tematy nie zostały omówione w sposób jednolity i że brakuje w niej praktycznych przykładów programowania.

⬤ Doskonałe, szczegółowe omówienie technik uczenia maszynowego, w tym uczenia głębokiego i przetwarzania tekstu.
⬤ Przejrzysty, intuicyjny i wciągający styl pisania.
⬤ Silna integracja koncepcji z imponującymi spostrzeżeniami.
⬤ Odpowiedni zarówno dla środowiska akademickiego, jak i profesjonalistów z branży.
⬤ Dobre materiały referencyjne i podsumowania bibliograficzne.
⬤ Ćwiczenia dostępne do nauczania w klasie.

⬤ Niektóre tematy, w szczególności klasyfikacja tekstu, są nieproporcjonalnie lepiej omówione.
⬤ Nie jest to praktyczny przewodnik po programowaniu lub implementacji; brakuje konkretnych przykładów kodowania.
⬤ Przez niektórych czytelników uważany za niejasny.
⬤ Niektóre sekcje mogą być zbyt powierzchowne lub ogólne w odniesieniu do nowoczesnych narzędzi NLP.

(na podstawie 10 opinii czytelników)

Oryginalny tytuł:

Machine Learning for Text

Zawartość książki:

1 Wprowadzenie do analizy tekstu. - 2 Przygotowanie tekstu i obliczanie podobieństwa.

- 3 Faktoryzacja macierzy i modelowanie tematów. - 4 Grupowanie tekstu. - 5 Klasyfikacja tekstu: Podstawowe modele.

- 6 Liniowe modele klasyfikacji i regresji.

- 7 Wydajność i ocena klasyfikatorów. - 8 Joint Text Mining z heterogenicznymi danymi.

- 9 Wyszukiwanie informacji i wyszukiwarki. - 10 Modelowanie sekwencji tekstowych i głębokie uczenie. - 11 Podsumowanie tekstu.

- 12 Ekstrakcja informacji. - 13 Wydobywanie opinii i analiza nastrojów. - 14 Segmentacja tekstu i wykrywanie zdarzeń.