Pokročilé zpracování přirozeného jazyka pomocí TensorFlow 2: Vytvářejte efektivní aplikace NLP v reálném světě s využitím NER, RNN, modelů seq2seq, transformátorů a

Recenze čtenářů

Kniha je komplexním průvodcem zpracováním přirozeného jazyka (NLP), který úspěšně vyhovuje jak začátečníkům, tak zkušeným odborníkům. Zahrnuje celou řadu témat, od základních pojmů až po pokročilé techniky, včetně transformátorů a reálných aplikací. Zahrnutí praktických příkladů kódu a zdrojů na GitHubu zlepšuje zážitek z učení, ale někteří čtenáři považují za zápory zastaralé metody a rušivý kotelní kód. Celkově lze knihu vřele doporučit těm, kteří chtějí pochopit a implementovat moderní techniky NLP.

⬤ Komplexní pokrytí témat NLP od základních až po pokročilé techniky.
⬤ Snadné čtení s jasnými vysvětlivkami a ilustracemi.
⬤ Praktické příklady kódu a zdroje GitHub pomáhají při učení.
⬤ Vhodné pro začátečníky i zkušené profesionály.
⬤ Aktuální informace o moderním vývoji NLP a nástrojích, jako jsou TensorFlow a HuggingFace.
⬤ Silné zaměření na praktické aplikace a příklady z reálného světa.

⬤ Některé probírané metody, například LSTM a seq2seq, jsou v rychle se vyvíjejícím prostředí NLP považovány za zastaralé.
⬤ Přítomnost šablonovitého kódu může odvádět pozornost od hlavních konceptů.
⬤ Různé knihovny/metody pro podobné úlohy mohou vést k méně ucelené výuce.
⬤ Několik čtenářů může považovat knihu za nevhodnou pro úplné začátečníky bez předchozích znalostí.

(na základě 31 hodnocení čtenářů)

Původní název:

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

Obsah knihy:

Komplexní řešení pro odborníky na NLP, vývojáře ML a datové vědce k vytvoření efektivních systémů NLP, které mohou provádět složité úlohy v reálném světě

Klíčové funkce

⬤ Implementujte algoritmy hlubokého učení, jako jsou BiLSTMS, CRF a mnoho dalších, pomocí TensorFlow 2.

⬤ Prozkoumejte klasické techniky a knihovny NLP včetně označování částí řeči a tokenizace.

⬤ Poznejte praktické aplikace NLP pokrývající přední oblasti oboru, jako je analýza sentimentu a generování textu.

Popis knihy

V posledních několika letech došlo v oblasti zpracování přirozeného jazyka k obrovskému pokroku a z výzkumných laboratoří se nyní přesouváme do praktických aplikací. Pokročilé zpracování přirozeného jazyka přichází s dokonalou kombinací teoretických i praktických aspektů trendových a komplexních technik NLP.

Tato kniha se zaměřuje na inovativní aplikace v oblasti NLP, generování jazyka a dialogových systémů. Zabývá se podrobnostmi aplikace konceptů předzpracování textu pomocí technik, jako je tokenizace, označování částí řeči a lemmatizace, s využitím populárních knihoven, jako jsou Stanford NLP a SpaCy. Rozpoznávání pojmenovaných entit (NER), které je základním kamenem robotů orientovaných na úkoly, je postaveno od základu pomocí podmíněných náhodných polí a Viterbiho dekódování nad RNN.

Z praktického a aplikačně zaměřeného hlediska se kniha zabývá klíčovými novými oblastmi, jako je generování textu pro použití při doplňování vět a shrnování textu, propojování obrázků a textu generováním popisků k obrázkům a řízení dialogových aspektů návrhu chatbotů. Zabývá se také jedním z nejdůležitějších důvodů nedávného pokroku v oblasti NLP - použitím transferového učení a jemného ladění pomocí TensorFlow 2.

Dále se zabývá praktickými technikami, které mohou zjednodušit označování textových dat, které se jinak ukazuje jako nákladná záležitost. Kniha obsahuje také funkční kód pro každou techniku, takže je můžete přizpůsobit svým případům použití.

Na konci této knihy o TensorFlow budete mít pokročilé znalosti nástrojů, technik a architektury hlubokého učení, které se používají k řešení složitých problémů NLP.

Co se naučíte

⬤ Pochopit důležité předběžné kroky při vytváření aplikací NLP, jako je například označování POS.

⬤ Pracovat s obrovským množstvím neoznačených a malých označených datových sad v NLP.

⬤ Používat přenosové a slabě kontrolované učení pomocí knihoven, jako je Snorkel.

⬤ Provádět analýzu sentimentu pomocí BERT.

⬤ Použít architektury kódování a dekódování NN a paprskové vyhledávání pro shrnutí textu.

⬤ Používejte transformační modely s důrazem na spojení obrázků a textu.

⬤ Vytvářet aplikace, které generují popisky a odpovídají na otázky týkající se obrázků.

⬤ Používejte pokročilé techniky TensorFlow, jako je žíhání rychlostí učení, vlastní vrstvy a vlastní ztrátové funkce, k vytváření nejnovějších hlubokých modelů NLP.

Pro koho je tato kniha určena

Tato kniha není úvodní a předpokládá, že čtenář je obeznámen se základy NLP a má základní znalosti jazyka Python, jakož i základní znalosti strojového učení a kalkulu a lineární algebry na úrovni vysokoškolského studia.

Mezi čtenáře, kterým tato kniha přinese největší užitek, patří:

Středně pokročilí vývojáři ML, kteří jsou obeznámeni se základy učení pod dohledem a technikami hlubokého učení.

Profesionálové, kteří již používají TensorFlow/Python pro účely, jako je datová věda, ML, výzkum a analýza.