Értékelés:
A könyv alapvető áttekintést nyújt a természetes nyelvfeldolgozás (NLP) mélytanulási módszereiről, olyan témákat érintve, mint a szövegreprezentáció, a modellezési megközelítések és a figyelemmechanizmusok. Ugyanakkor jelentős hiányosságai vannak, többek között a témák sekélyes lefedettsége, a használható példák hiánya a hiányzó adatkészletek miatt, valamint a Python kódolási gyakorlatok hiányosságai.
Előnyök:Jó áttekintés a mélytanulási alkalmazásokról az NLP-ben, a TensorFlow jól magyarázott fogalmai, a többfeladatos tanulás egyedülálló lefedettsége.
Hátrányok:Elavult információk, hiányzik a hozzá tartozó GitHub-tár, a témák sekélyes lefedettsége más forrásokhoz képest, kódelírások és rosszul magyarázott kódolási gyakorlatok, valamint a szabványos Python-kódolási konvenciók be nem tartása.
(3 olvasói vélemény alapján)
Deep Learning for Natural Language Processing
Fedezze fel a természetes nyelvfeldolgozás legnehezebb problémáit, és tanulja meg, hogyan oldhatja meg őket a legmodernebb mélytanulással!
A Deep Learning for Natural Language Processing című könyvben rengeteg NLP-ismeretet talál, többek között:
Az NLP és a mélytanulás áttekintése.
Egy-egy forró szövegreprezentáció.
Szóbeágyazások.
Szöveghasonlósági modellek.
Szekvenciális NLP.
Szemantikai szerepek címkézése.
Mély memória alapú NLP.
Nyelvi struktúra.
A mély NLP hiperparaméterei.
A mélytanulás izgalmas új szintekre és erőteljes új alkalmazásokhoz juttatta a természetes nyelvfeldolgozást! A számítógépes rendszerek most először képesek "emberi" szinteket elérni az összegzésben, a kapcsolatok létrehozásában és más, megértést és kontextust igénylő feladatokban. A Deep Learning for Natural Language Processing (Mélytanulás a természetes nyelvfeldolgozásban) feltárja azokat az úttörő technikákat, amelyek lehetővé teszik ezeket az újításokat. Stephan Raaijmakers széleskörű ismereteit hasznos legjobb gyakorlatok, valós alkalmazások és a legjobb NLP-algoritmusok belső működésének bemutatására desztillálja.
A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.
A technológiáról.
A mélytanulás átalakította a természetes nyelvi feldolgozás területét. A neurális hálózatok nemcsak szavakat és kifejezéseket, hanem mintákat is felismernek. A modellek a kontextusból következtetnek a jelentésre, és meghatározzák az érzelmi hangnemet. Az erőteljes mélytanuláson alapuló NLP-modellek a felhasználási lehetőségek aranybányáját nyitják meg.
A könyvről.
A Deep Learning for Natural Language Processing megtanítja, hogyan hozhat létre fejlett NLP-alkalmazásokat Python és a Keras mélytanulási könyvtár segítségével. Megtanulod használni a legmodernebb eszközöket és technikákat, köztük a BERT-et és az XLNET-et, a többfeladatos tanulást és a mélymemória-alapú NLP-t. Lenyűgöző példák segítségével gyakorlati tapasztalatokat szerezhetsz a való világ számos NLP-alkalmazásával. Ráadásul a részletes kódmegbeszélések pontosan megmutatják, hogyan adaptálhatod az egyes példákat a saját felhasználásaidhoz!
Mi van benne?
Javítsa a kérdésválaszolást szekvenciális NLP-vel.
Növelje a teljesítményt nyelvi többfeladatos tanulással.
A nyelvi struktúra pontos értelmezése.
Sajátítson el többféle szóbeágyazási technikát.
Az olvasóról.
Középfokú Python-ismeretekkel és általános NLP-ismeretekkel rendelkező olvasóknak. A mélytanulással kapcsolatos tapasztalat nem szükséges.
A szerzőről.
Stephan Raaijmakers a Leideni Egyetem kommunikatív mesterséges intelligencia professzora és a Holland Alkalmazott Tudományos Kutatási Szervezet (TNO) vezető kutatója.
Tartalomjegyzék.
1. RÉSZ BEVEZETÉS.
1 Mélytanulás az NLP számára.
2 Mélytanulás és nyelv: Az alapok.
3 Szövegbeágyazások.
2. RÉSZ MÉLY NLP.
4 Szöveghasonlóság.
5 Szekvenciális NLP.
6 Epizodikus memória az NLP számára.
3. RÉSZ HALADÓ TÉMÁK.
7 Figyelem.
8 Többfeladatos tanulás.
9 Transzformátorok.
10 A transzformátorok alkalmazásai: gyakorlatban a BERT-tel.