Hodnotenie:
Kniha poskytuje základný prehľad metód hlbokého učenia v oblasti spracovania prirodzeného jazyka (NLP) a zahŕňa témy ako reprezentácia textu, prístupy k modelovaniu a mechanizmy pozornosti. Má však značné nedostatky vrátane plytkého pokrytia tém, nedostatku použiteľných príkladov v dôsledku chýbajúcich súborov údajov a zlých postupov kódovania v jazyku Python.
Výhody:Dobrý prehľad aplikácií hlbokého učenia v NLP, dobre vysvetlené koncepty TensorFlow, jedinečné pokrytie viacúlohového učenia.
Nevýhody:Neaktuálne informácie, chýba sprievodný repozitár GitHub, plytké pokrytie tém v porovnaní s inými zdrojmi, preklepy v kóde a nedostatočne vysvetlené postupy kódovania a nedodržiavanie štandardných konvencií kódovania v jazyku Python.
(na základe 3 čitateľských recenzií)
Deep Learning for Natural Language Processing
Preskúmajte najnáročnejšie problémy spracovania prirodzeného jazyka a naučte sa ich riešiť pomocou špičkového hlbokého učenia!
Vo vnútri knihy Deep Learning for Natural Language Processing nájdete množstvo poznatkov z oblasti NLP vrátane:
Prehľad NLP a hlbokého učenia.
Jednoliate reprezentácie textu.
Vkladanie slov.
Modely pre textovú podobnosť.
Sekvenčné NLP.
Označovanie sémantických rolí.
NLP založené na hlbokej pamäti.
Jazyková štruktúra.
Hyperparametre pre hĺbkové NLP.
Hlboké učenie posunulo spracovanie prirodzeného jazyka na nové vzrušujúce úrovne a nové výkonné aplikácie! Počítačové systémy môžu po prvýkrát dosiahnuť "ľudskú" úroveň sumarizácie, vytvárania spojení a ďalších úloh, ktoré si vyžadujú porozumenie a kontext. Hlboké učenie pre spracovanie prirodzeného jazyka odhaľuje prevratné techniky, ktoré tieto inovácie umožňujú. Stephan Raaijmakers destiluje svoje rozsiahle znalosti do užitočných osvedčených postupov, reálnych aplikácií a vnútorného fungovania špičkových algoritmov NLP.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.
O technológiách: Kniha je venovaná problematike NLP, ktorá je v súlade s princípmi NLP, a to najmä v súvislosti s technológiou NLP.
Hlboké učenie zmenilo oblasť spracovania prirodzeného jazyka. Neurónové siete rozpoznávajú nielen slová a frázy, ale aj vzory. Modely odvodzujú význam z kontextu a určujú emocionálny tón. Výkonné modely NLP založené na hlbokom učení otvárajú zlatú baňu potenciálnych využití.
O knihe: V tejto knihe nájdete viacero zaujímavých informácií o jazykoch, ktoré sa dajú využiť v praxi.
Kniha Deep Learning for Natural Language Processing vás naučí vytvárať pokročilé aplikácie NLP pomocou jazyka Python a knižnice Keras pre hlboké učenie. Naučíte sa používať najmodernejšie nástroje a techniky vrátane BERT a XLNET, multitaskového učenia a NLP založeného na hlbokej pamäti. Fascinujúce príklady vám poskytnú praktické skúsenosti s rôznymi reálnymi aplikáciami NLP. Podrobné diskusie o kóde vám navyše presne ukážu, ako každý príklad prispôsobiť vlastnému použitiu!
Čo je vo vnútri.
Zlepšite odpovedanie na otázky pomocou sekvenčného NLP.
Zvýšte výkonnosť pomocou lingvistického multitaskového učenia.
Presne interpretujte jazykovú štruktúru.
Ovládnite viaceré techniky vkladania slov.
O čitateľovi.
Pre čitateľov so stredne pokročilými znalosťami jazyka Python a všeobecnými znalosťami NLP. Nie sú potrebné žiadne skúsenosti s hlbokým učením.
O autorovi: V tejto publikácii sa venujeme problematike jazykov a jazykových zručností.
Stephan Raaijmakers je profesorom komunikačnej umelej inteligencie na Leidenskej univerzite a vedúcim vedeckým pracovníkom Holandskej organizácie pre aplikovaný vedecký výskum (TNO).
Obsah.
ČASŤ 1 ÚVOD.
1 Hlboké učenie pre NLP.
2 Hlboké učenie a jazyk: Základy.
3 Vkladanie textov.
2. ČASŤ HLBOKÉ NLP.
4 Podobnosť textov.
5 Sekvenčné NLP.
6 Epizodická pamäť pre NLP.
ČASŤ 3 POKROČILÉ TÉMY.
7 Pozornosť.
8 Viacúlohové učenie.
9 Transformátory.
10 Aplikácie transformátorov: Praktické využitie s BERT.