Aplikované spracovanie prirodzeného jazyka v podniku: Učenie strojov čítať, písať a rozumieť

Recenzie čitateľov

Kniha ponúka praktický prístup k štúdiu NLP so zameraním na reálne aplikácie, takže je vhodná aj pre neakademických používateľov. Trpí však nedostatkom jasných príkladov a nedostatočne zdokumentovaným kódom, čo znižuje jej účinnosť.

⬤ Praktické zameranie na riešenie problémov v reálnom svete.
⬤ Aktuálne informácie o súčasnej technológii NLP.
⬤ Prehľadná organizácia a písanie.
⬤ Cenné pre neakademických pracovníkov, ktorí chcú aplikovať NLP v podnikaní.

⬤ Príklady často neprebiehajú tak, ako bolo zamýšľané.
⬤ Slabá dokumentácia zdrojového kódu a súborov údajov.
⬤ Mnohí používatelia považovali praktickú aplikáciu za nedostatočne vizualizovanú a prehľadnú.
⬤ Niektorí čitatelia mali pocit, že zbytočne vyhodili peniaze kvôli nedostatočnému počtu reálnych príkladov.

(na základe 8 čitateľských recenzií)

Pôvodný názov:

Applied Natural Language Processing in the Enterprise: Teaching Machines to Read, Write, and Understand

Obsah knihy:

NLP sa v posledných rokoch teší veľkej popularite. Ale zatiaľ čo spoločnosti Google, Facebook, OpenAI a ďalšie pokračujú vo vydávaní väčších jazykových modelov, mnohé tímy stále zápasia s vytváraním aplikácií NLP, ktoré by splnili očakávania. Tento praktický sprievodca vám pomôže získať prehľad o najnovších a najsľubnejších trendoch v oblasti NLP.

So základnými znalosťami strojového učenia a určitými skúsenosťami s jazykom Python sa naučíte, ako vytvárať, trénovať a nasadzovať modely pre reálne aplikácie vo vašej organizácii. Autori Ankur Patel a Ajay Uppili Arasanipalai vás týmto procesom prevedú pomocou kódu a príkladov, ktoré poukazujú na najlepšie postupy v modernom NLP.

⬤ Používajte najmodernejšie modely NLP, ako sú BERT a GPT-3, na riešenie úloh NLP, ako je rozpoznávanie pomenovaných entít, klasifikácia textu, sémantické vyhľadávanie a porozumenie textu.

⬤ Trénujte modely NLP s výkonom porovnateľným alebo vyšším ako v prípade hotových systémov.

⬤ Oboznámte sa s architektúrou Transformer a modernými trikmi, ako je transferové učenie, ktoré vzali svet NLP útokom.

⬤ Oboznámte sa s nástrojmi remesla vrátane spaCy, Hugging Face a fast. ai.

⬤ Zostavte základné časti pipeline NLP - vrátane tokenizérov, embeddingov a jazykových modelov - od základov pomocou Pythonu a PyTorchu.

⬤ Vyberte svoje modely zo zošitov Jupyter a naučte sa, ako ich nasadiť, monitorovať a udržiavať v produkcii.