Pokročilé spracovanie prirodzeného jazyka pomocou TensorFlow 2: Vytvárajte efektívne reálne aplikácie NLP pomocou NER, RNN, seq2seq modelov, transformátorov a

Recenzie čitateľov

Kniha je komplexným sprievodcom spracovaním prirodzeného jazyka (Natural Language Processing - NLP), ktorý úspešne uspokojí potreby začiatočníkov aj skúsených odborníkov. Zahŕňa rôzne témy, od základných pojmov až po pokročilé techniky vrátane transformátorov a reálnych aplikácií. Zahrnutie praktických príkladov kódu a zdrojov GitHubu zvyšuje zážitok z učenia, ale niektorí čitatelia považujú za mínusy zastarané metódy a rušivý kotlový kód. Celkovo ju možno vrelo odporučiť tým, ktorí chcú pochopiť a implementovať moderné techniky NLP.

⬤ Komplexné pokrytie tém NLP od základných až po pokročilé techniky.
⬤ Ľahko sa číta s jasnými vysvetleniami a ilustráciami.
⬤ Praktické príklady kódu a zdroje GitHub pomáhajú pri učení.
⬤ Vhodné pre začiatočníkov aj skúsených profesionálov.
⬤ Aktuálne informácie o modernom vývoji NLP a nástrojoch, ako sú TensorFlow a HuggingFace.
⬤ Silný dôraz na praktické aplikácie a príklady z reálneho sveta.

⬤ Niektoré diskutované metódy, ako napríklad LSTM a seq2seq, sa v rýchlo sa vyvíjajúcom prostredí NLP považujú za zastarané.
⬤ Prítomnosť kotlového kódu môže odvádzať pozornosť od hlavných konceptov.
⬤ Rôzne knižnice/metódy pre podobné úlohy môžu viesť k menej koherentnému vzdelávaniu.
⬤ Niekoľko čitateľov môže považovať knihu za nevhodnú pre úplných začiatočníkov bez predchádzajúcich znalostí.

(na základe 31 čitateľských recenzií)

Pôvodný názov:

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

Obsah knihy:

Komplexné riešenie pre odborníkov na NLP, vývojárov ML a dátových vedcov na vytvorenie efektívnych systémov NLP, ktoré dokážu vykonávať zložité úlohy v reálnom svete

Kľúčové funkcie

⬤ Implementujte algoritmy hlbokého učenia, ako sú BiLSTMS, CRF a mnohé ďalšie, pomocou TensorFlow 2.

⬤ Preskúmajte klasické techniky a knižnice NLP vrátane označovania častí reči a tokenizácie.

⬤ Učte sa praktické aplikácie NLP pokrývajúce popredné oblasti, ako je analýza sentimentu a generovanie textu.

Popis knihy

V posledných rokoch došlo k obrovskému pokroku v oblasti spracovania prirodzeného jazyka a z výskumných laboratórií sa presúvame do praktických aplikácií. Pokročilé spracovanie prirodzeného jazyka prichádza s dokonalou kombináciou teoretických aj praktických aspektov trendových a komplexných techník NLP.

Táto kniha sa zameriava na inovatívne aplikácie v oblasti NLP, generovania jazyka a dialógových systémov. Podrobne sa venuje aplikácii konceptov predbežného spracovania textu pomocou techník, ako sú tokenizácia, označovanie častí reči a lematizácia, s využitím populárnych knižníc, ako sú Stanford NLP a SpaCy. Rozpoznávanie pomenovaných entít (NER), ktoré je základným kameňom robotov orientovaných na úlohy, je vytvorené od základov pomocou podmienených náhodných polí a Viterbiho dekódovania na báze RNN.

Z praktického a aplikačne zameraného hľadiska sa kniha zaoberá kľúčovými novými oblasťami, ako je generovanie textu na použitie pri dopĺňaní viet a sumarizácii textu, premosťovanie obrázkov a textu generovaním titulkov k obrázkom a riadenie dialógových aspektov návrhu chatbotov. Zaoberá sa aj jedným z najdôležitejších dôvodov nedávneho pokroku v oblasti NLP - uplatňovaním transferového učenia a dolaďovaním pomocou TensorFlow 2.

Ďalej sa zaoberá praktickými technikami, ktoré môžu zjednodušiť označovanie textových údajov, ktoré sa inak ukazuje ako nákladná záležitosť. Kniha obsahuje aj funkčný kód pre každú techniku, aby ste si ich mohli prispôsobiť na svoje prípady použitia.

Na konci tejto knihy o TensorFlow budete mať pokročilé znalosti nástrojov, techník a architektúry hlbokého učenia, ktoré sa používajú na riešenie zložitých problémov NLP.

Čo sa naučíte

⬤ Uchopiť dôležité predkroky pri vytváraní aplikácií NLP, ako je napríklad označovanie POS.

⬤ Pracovať s obrovským množstvom neoznačených a malých označených datasetov v NLP.

⬤ Používať prenosové a slabo kontrolované učenie pomocou knižníc ako Snorkel.

⬤ Vykonávať analýzu sentimentu pomocou BERT.

⬤ Použiť architektúry kódovača a dekódovača NN a vyhľadávanie pomocou lúča na sumarizáciu textu.

⬤ Používajte transformačné modely s dôrazom na spájanie obrázkov a textu.

⬤ Vytvárať aplikácie, ktoré generujú titulky a odpovedajú na otázky týkajúce sa obrázkov.

⬤ Používajte pokročilé techniky TensorFlow, ako je žíhanie rýchlosti učenia, vlastné vrstvy a vlastné stratové funkcie na vytváranie najnovších hlbokých modelov NLP.

Pre koho je táto kniha určená

Toto nie je úvodná kniha a predpokladá, že čitateľ je oboznámený so základmi NLP a má základné znalosti jazyka Python, ako aj základné znalosti strojového učenia a kalkulu a lineárnej algebry na úrovni vysokoškolského štúdia.

Medzi čitateľov, ktorí môžu mať z tejto knihy najväčší úžitok, patria:

Stredne pokročilí vývojári ML, ktorí poznajú základy kontrolovaného učenia a techniky hlbokého učenia.

Profesionáli, ktorí už používajú TensorFlow/Python na účely, ako je dátová veda, ML, výskum a analýza.