Hodnotenie:
Kniha je uznávanou učebnicou strojového učenia, zameranou najmä na aplikácie v oblasti spracovania textu a hlbokého učenia. Je oceňovaná pre zrozumiteľné a intuitívne vysvetlenie zložitých tém, vďaka čomu je vhodná pre akademickú obec aj odborníkov z priemyslu. Niektorí čitatelia však majú pocit, že niektoré témy nie sú pokryté jednotne a že v nej chýbajú praktické príklady programovania.
Výhody:⬤ Vynikajúce podrobné pokrytie techník strojového učenia vrátane hlbokého učenia a spracovania textu.
⬤ Jasný, intuitívny a pútavý štýl písania.
⬤ Silná integrácia konceptov s pôsobivými poznatkami.
⬤ Vhodné pre akademickú obec aj pre odborníkov z priemyslu.
⬤ Poskytnutý dobrý referenčný materiál a bibliografické súhrny.
⬤ K dispozícii sú cvičenia na výučbu v triede.
⬤ Niektoré témy, najmä klasifikácia textov, majú nepomerne väčšie pokrytie.
⬤ Nie je to praktická príručka programovania alebo implementácie; chýbajú konkrétne príklady kódovania.
⬤ Niektorí čitatelia ju považujú za nejasnú.
⬤ Niektoré časti môžu byť príliš povrchné alebo všeobecné, pokiaľ ide o moderné nástroje NLP.
(na základe 10 čitateľských recenzií)
Machine Learning for Text
1 Úvod do textovej analýzy. - 2 Príprava textu a výpočet podobnosti.
- 3 Faktorizácia matíc a tematické modelovanie. - 4 Zhlukovanie textu. - 5 Klasifikácia textu: Základné modely.
- 6 Lineárne modely pre klasifikáciu a regresiu.
- 7 Výkonnosť a hodnotenie klasifikátorov. - 8 Spoločné dolovanie textu s heterogénnymi údajmi.
- 9 Vyhľadávanie informácií a vyhľadávacie stroje. - 10 Modelovanie textových sekvencií a hlboké učenie. - 11 Sumarizácia textu.
- 12 Extrakcia informácií. - 13 Dolovanie názorov a analýza sentimentu. - 14 Segmentácia textu a detekcia udalostí.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)