Aplikované zpracování přirozeného jazyka v podniku: Naučit stroje číst, psát a rozumět.

Recenze čtenářů

Kniha nabízí praktický přístup ke studiu NLP se zaměřením na reálné aplikace, takže je vhodná i pro neakademické uživatele. Trpí však nedostatkem jasných příkladů a špatně zdokumentovaným kódem, což snižuje její účinnost.

⬤ Praktické zaměření na řešení reálných problémů.
⬤ Aktuální informace o současných technologiích NLP.
⬤ Přehledné uspořádání a psaní.
⬤ Cenné pro neakademické pracovníky, kteří chtějí NLP aplikovat v podnikání.

⬤ Příklady často neprobíhají tak, jak bylo zamýšleno.
⬤ Špatná dokumentace zdrojového kódu a datových sad.
⬤ Mnoho uživatelů shledalo praktickou aplikaci jako nedostatečně vizualizovanou a přehlednou.
⬤ Někteří čtenáři měli pocit, že kvůli nedostatečnému počtu reálných příkladů zbytečně utratili peníze.

(na základě 8 hodnocení čtenářů)

Původní název:

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

Obsah knihy:

NLP se v posledních letech těší velké oblibě. Ale zatímco společnosti Google, Facebook, OpenAI a další stále vydávají větší jazykové modely, mnoho týmů se stále potýká s vytvářením aplikací NLP, které by splňovaly očekávání. Tento praktický průvodce vám pomůže získat přehled o nejnovějších a nejslibnějších trendech v oblasti NLP.

Se základními znalostmi strojového učení a určitými zkušenostmi s jazykem Python se naučíte vytvářet, trénovat a nasazovat modely pro reálné aplikace ve vaší organizaci. Autoři Ankur Patel a Ajay Uppili Arasanipalai vás provedou celým procesem pomocí kódu a příkladů, které zdůrazňují nejlepší postupy v moderním NLP.

⬤ Používejte nejmodernější modely NLP, jako jsou BERT a GPT-3, k řešení úloh NLP, jako je rozpoznávání pojmenovaných entit, klasifikace textu, sémantické vyhledávání a porozumění textu.

⬤ Trénujte modely NLP s výkonem srovnatelným nebo vyšším než u hotových systémů.

⬤ Poznejte architekturu Transformeru a moderní triky, jako je transferové učení, které vzaly svět NLP útokem.

⬤ Seznámíte se s nástroji tohoto oboru, včetně spaCy, Hugging Face a fast. ai.

⬤ Sestavte základní části pipeline NLP - včetně tokenizérů, embeddingů a jazykových modelů - od nuly pomocí Pythonu a PyTorchu.

⬤ Vyjměte své modely ze sešitů Jupyter a naučte se je nasazovat, monitorovat a udržovat v produkčním prostředí.