Začíname s hlbokým učením pre spracovanie prirodzeného jazyka: Naučte sa vytvárať aplikácie NLP pomocou hlbokého učenia

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 16 hlasoch.

Pôvodný názov:

Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning

Obsah knihy:

Naučte sa, ako od základu prepracovať aplikácie NLP.

Kľúčové vlastnosti

⬤  Zoznámte sa so základmi akejkoľvek aplikácie strojového učenia alebo hlbokého učenia.

⬤  Pochopiť, ako funguje predspracovanie v pipeline NLP.

⬤  Použiť jednoduché úryvky PyTorch na vytvorenie základných stavebných blokov siete bežne používaných v NLP.

⬤  Zoznámte sa s pokročilou technikou vkladania, generatívnou sieťou a technikami spracovania zvukového signálu.

Popis

Spracovanie prirodzeného jazyka (NLP) je jednou z oblastí, v ktorej sa uplatňujú mnohé techniky strojového učenia a hlbokého učenia.

Táto kniha pokrýva široké oblasti vrátane základov strojového učenia, pochopenia a optimalizácie hyperparametrov, konvolučných neurónových sietí (CNN) a rekurentných neurónových sietí (RNN). Táto kniha sa zaoberá nielen klasickou koncepciou spracovania textu, ale zdieľa aj najnovšie pokroky. Táto kniha umožní používateľom navrhovať siete s najmenšou výpočtovou a časovou náročnosťou. Táto kniha pokrýva nielen základy spracovania prirodzeného jazyka, ale pomáha aj pri dešifrovaní logiky pokročilých koncepcií/architektúr, ako sú napríklad dávková normalizácia, vkladanie pozícií, hustá sieť, mechanizmus pozornosti, diaľničné siete, transformačné modely a siamské siete. Táto kniha sa zaoberá aj najnovšími pokrokmi, ako sú ELMo-BiLM, SkipThought a Bert. Táto kniha zahŕňa aj praktickú implementáciu s postupným vysvetlením techník hlbokého učenia v oblasti modelovania tém, generovania textu, rozpoznávania pomenovaných entít, sumarizácie textu a jazykového prekladu. Okrem toho sa venuje aj veľmi pokročilým a výskumu otvoreným témam, ako sú Generative Adversarial Network a Speech Processing.

Čo sa naučíte

⬤  Naučíte sa, ako využiť GPU na hlboké učenie.

⬤  Naučte sa používať komplexné modely vkladania, ako je napríklad BERT.

⬤  Zoznámte sa s bežnými aplikáciami NLP.

⬤  Naučte sa používať GAN v NLP.

⬤  Naučte sa spracovávať rečové údaje a implementovať ich v rečových aplikáciách.

Pre koho je táto kniha určená

Túto knihu si musí prečítať každý, kto chce začať kariéru so strojovým učením a hlbokým učením. Táto kniha je určená aj pre tých, ktorí chcú používať GPU na vývoj aplikácií Deep Learning.

Obsah

1. Pochopenie základov učenia Proces učenia.

2. Techniky spracovania textu.

3. Matematická reprezentácia jazyka.

4. Využitie RNN pre NLP.

5. Použitie CNN v úlohách NLP.

6. Zrýchlenie NLP pomocou pokročilých vnorení.

7. Aplikácia hlbokého učenia v úlohách NLP.

8. Aplikácia komplexných architektúr v NLP.

9. Pochopenie generatívnych sietí.

10. Techniky spracovania reči.

11. Cesta vpred.

O autoroch

Sunil Patel ukončil magisterské štúdium informačných technológií na Indickom inštitúte informačných technológií v Allahabade s diplomovou prácou zameranou na skúmanie 3D interakcií proteín-proteín pomocou hlbokého učenia. Sunil pred nástupom do spoločnosti Nvidia pracoval v TCS Innovation Labs, Excelra a Innoplexus. Hlavnými oblasťami výskumu boli využívanie hlbokého učenia, spracovanie prirodzeného jazyka v bankovníctve a oblasť zdravotníctva.

Sunil začal experimentovať s hlbokým učením implantovaním základnej vrstvy používanej v pipeline a potom vyvíjal komplexné pipeline pre reálny problém. Okrem toho sa Sunil zúčastnil aj na CASP-2014 v spolupráci s SCFBIO-IIT Delhi s cieľom efektívne predpovedať možnú tvorbu proteínových multimerov a ich vplyv na choroby pomocou Deep Learning. V súčasnosti Sunil pracuje v spoločnosti Nvidia ako dátový vedec - III.

LinkedIn profil https: //www.linkedin.com/in/linus1/.