Haladó természetes nyelvfeldolgozás a TensorFlow 2 segítségével: Hatékony valós NLP-alkalmazások készítése NER, RNN, seq2seq modellek, transzformátorok, és

Olvasói vélemények

A könyv átfogó útmutató a természetes nyelvfeldolgozáshoz (NLP), amely sikeresen szól a kezdők és a tapasztalt szakemberek számára egyaránt. Számos témát tárgyal, az alapfogalmaktól a fejlett technikákig, beleértve a transzformátorokat és a valós alkalmazásokat is. A gyakorlati kódpéldák és a GitHub-források bevonása fokozza a tanulási élményt, de egyes olvasók hátrányként érzik az elavult módszereket és a zavaró boilerplate kódot. Összességében a könyv erősen ajánlott azoknak, akik a modern NLP-technikákat szeretnék megérteni és alkalmazni.

⬤ Az NLP témakörök átfogó lefedettsége az alapvető technikáktól a haladó technikákig.
⬤ Könnyen olvasható, világos magyarázatokkal és illusztrációkkal.
⬤ Gyakorlati kódpéldák és GitHub-források segítik a tanulást.
⬤ Kezdők és tapasztalt szakemberek számára egyaránt alkalmas.
⬤ Naprakész a modern NLP fejlesztésekkel és eszközökkel, mint például a TensorFlow és az HuggingFace.
⬤ Nagy hangsúlyt fektet a gyakorlati alkalmazásokra és a valós példákra.

⬤ Néhány tárgyalt módszer, mint például az LSTM és a seq2seq, elavultnak tekinthető a gyorsan fejlődő NLP környezetben.
⬤ A kódok jelenléte elvonhatja a figyelmet a fő koncepcióktól.
⬤ A hasonló feladatokhoz használt különböző könyvtárak/módszerek kevésbé koherens tanulási élményhez vezethetnek.
⬤ Néhány olvasó úgy találhatja, hogy a könyv nem alkalmas abszolút kezdőknek, előzetes ismeretek nélkül.

(31 olvasói vélemény alapján)

Eredeti címe:

Advanced Natural Language Processing with TensorFlow 2: Build effective real-world NLP applications using NER, RNNs, seq2seq models, Transformers, and

Könyv tartalma:

Egyablakos megoldás NLP-gyakorlók, ML-fejlesztők és adattudósok számára, hogy hatékony NLP-rendszereket építsenek, amelyek képesek a valós világ bonyolult feladatainak elvégzésére

Főbb jellemzők

⬤ Mélytanulási algoritmusok, például BiLSTMS, CRF és sok más algoritmus megvalósítása a TensorFlow 2 használatával.

⬤ Felfedezze a klasszikus NLP technikákat és könyvtárakat, beleértve a beszédrészek címkézését és a tokenizálást.

⬤ Tanulja meg az NLP gyakorlati alkalmazásait, amelyek lefedik a terület olyan élvonalbeli területeit, mint az érzéselemzés és a szöveggenerálás.

Könyv leírása

Az elmúlt néhány évben óriási előrelépés történt a természetes nyelvfeldolgozásban, és a kutatólaboratóriumokból lassan a gyakorlati alkalmazások felé haladunk. A Haladó természetes nyelvfeldolgozás a trendi és összetett NLP-technikák elméleti és gyakorlati aspektusainak tökéletes keverékét nyújtja.

Ez a könyv az NLP, a nyelvi generálás és a párbeszédrendszerek innovatív alkalmazásaira összpontosít. Részletesen tárgyalja a szöveg előfeldolgozásának fogalmait olyan technikák alkalmazásával, mint a tokenizáció, a beszédrészek címkézése és a lemmatizáció, olyan népszerű könyvtárak segítségével, mint a Stanford NLP és a SpaCy. A feladatorientált botok egyik sarokkövét, a megnevezett entitások felismerését (NER) a semmiből építjük fel, feltételes véletlen mezők és Viterbi dekódolás segítségével, RNN-ek tetején.

A könyv gyakorlati és alkalmazásközpontú szemléletet követve olyan kulcsfontosságú újonnan megjelenő területeket tárgyal, mint a szöveg generálása a mondatkiegészítéshez és a szövegösszefoglaláshoz, a képek és a szöveg összekapcsolása a képek feliratainak generálásával, valamint a chatbotok tervezésének párbeszédes aspektusainak kezelése. Kitér továbbá az NLP legújabb fejlődésének egyik legfontosabb okára, a transzfer tanulás és a finomhangolás alkalmazására a TensorFlow 2 segítségével.

Továbbá olyan gyakorlati technikákkal foglalkozik, amelyekkel leegyszerűsíthető a szöveges adatok címkézése, ami egyébként költséges ügynek bizonyul. A könyv minden egyes technikához egy működő kódot is tartalmaz, hogy a saját felhasználási eseteire adaptálhassa őket.

A TensorFlow-könyv végére fejlett ismeretekkel fog rendelkezni az összetett NLP-problémák megoldására használt eszközökről, technikákról és mélytanulási architektúráról.

Mit fogsz tanulni

⬤ Az NLP-alkalmazások, például a POS-tagging építésének fontos előlépéseinek megértése.

⬤ Birkózzon meg hatalmas mennyiségű címkézetlen és kis címkézett adathalmazokkal az NLP-ben.

⬤ Transzfer és gyengén felügyelt tanulás használata olyan könyvtárak segítségével, mint a Snorkel.

⬤ Az érzelemelemzés elvégzése a BERT segítségével.

⬤ Kódoló-dekódoló NN-architektúrák és sugárkeresés alkalmazása szövegek összegzésére.

⬤ Transzformátor modellek alkalmazása a képek és a szöveg összeillesztésére.

⬤ Készítsen képaláírásokat generáló és képekkel kapcsolatos kérdésekre válaszoló alkalmazásokat.

⬤ Használja a fejlett TensorFlow technikákat, mint például a tanulási sebességgel történő lágyítás, az egyéni rétegek és az egyéni veszteségfüggvények, a legújabb mély NLP-modellek létrehozásához.

Kinek szól ez a könyv

Ez a könyv nem bevezető jellegű, és feltételezi, hogy az olvasó ismeri az NLP alapjait, és rendelkezik alapvető Python-ismeretekkel, valamint alapvető ismeretekkel a gépi tanulásról és alapfokú matematikai és lineáris algebrai ismeretekkel.

Az olvasók, akik a legtöbbet profitálhatnak ebből a könyvből:

Középhaladó ML-fejlesztők, akik ismerik a felügyelt tanulás és a mélytanulási technikák alapjait.

Szakemberek, akik már használják a TensorFlow/Python-t olyan célokra, mint az adattudomány, ML, kutatás és elemzés.