Zpracování přirozeného jazyka pomocí Pytorchu: Vytváření inteligentních jazykových aplikací pomocí hlubokého učení

Recenze čtenářů

Kniha poskytuje solidní úvod do zpracování přirozeného jazyka (NLP) a hlubokého učení pomocí Pythonu a PyTorchu, zejména pro začátečníky s určitou znalostí programování. Klade důraz na praktické kódování a příklady, ale trpí problémy souvisejícími s hloubkou výkladu, kvalitou kódu a aktuálností obsahu.

Kniha je skvělá pro začátečníky v oblasti NLP, nabízí srozumitelný úvod do konceptů a praktické příklady kódování. Poskytuje pevné základy kódovacích vzorů v jazycích Python a PyTorch a cvičení jsou přímočará a snadno přístupná prostřednictvím repozitáře GitHub. Mnoho čtenářů oceňuje stručný styl psaní a plynulý postup od jednoduchých témat k pokročilým.

Kritici poukazují na stručnost knihy a naznačují, že v mnoha oblastech postrádá hloubku a u dlouhých příkladů kódu uvádí pouze stručné vysvětlení. Někteří upozorňují na problémy s kvalitou poskytnutého kódu, včetně chybějících částí a chyb, což může učení frustrovat. Kromě toho se kniha nezabývá novějšími pokroky v NLP, jako jsou transformátory a mechanismy pozornosti, a vzhledem k jejímu obsahu je považována za poněkud předraženou.

(na základě 21 hodnocení čtenářů)

Původní název:

Natural Language Processing with Pytorch: Build Intelligent Language Applications Using Deep Learning

Obsah knihy:

Zpracování přirozeného jazyka (Natural Language Processing - NLP) poskytuje neomezené možnosti řešení problémů v oblasti umělé inteligence a umožňuje vznik produktů, jako je Amazon Alexa nebo Google Translate. Pokud jste vývojář nebo datový vědec, který se s NLP a hlubokým učením teprve seznamuje, tento praktický průvodce vám ukáže, jak tyto metody použít pomocí PyTorch, knihovny pro hluboké učení založené na jazyku Python.

Autoři Delip Rao a Brian McMahon vám poskytnou solidní základy v oblasti NLP a algoritmů hlubokého učení a předvedou vám, jak pomocí PyTorch vytvářet aplikace zahrnující bohaté reprezentace textu specifické pro problémy, kterým čelíte. Každá kapitola obsahuje několik příkladů kódu a ilustrací.

⬤ Prozkoumejte výpočetní grafy a paradigma učení pod dohledem.

⬤ Ovládněte základy optimalizované knihovny PyTorch pro manipulaci s tenzory.

⬤ Získejte přehled o tradičních koncepcích a metodách NLP.

⬤ Obsvojte si základní myšlenky spojené s budováním neuronových sítí.

⬤ Využívat embeddingy k reprezentaci slov, vět, dokumentů a dalších rysů.

⬤ Prozkoumejte predikci sekvencí a vytvářejte modely sekvence-sekvence.

⬤ Zjistěte, jaké jsou návrhové vzory pro budování produkčních systémů NLP.