Leserbewertungen
Zusammenfassung:Das Buch ist ein umfassender Leitfaden zur natürlichen Sprachverarbeitung (NLP), der sich sowohl an Anfänger als auch an erfahrene Praktiker wendet. Es deckt eine Vielzahl von Themen ab, von grundlegenden Konzepten bis hin zu fortgeschrittenen Techniken, einschließlich Transformatoren und Anwendungen aus der Praxis. Die Einbeziehung von praktischen Codebeispielen und GitHub-Ressourcen verbessert die Lernerfahrung, aber einige Leser empfinden veraltete Methoden und ablenkenden Boilerplate-Code als Nachteile. Insgesamt ist das Buch sehr empfehlenswert für alle, die moderne NLP-Techniken verstehen und umsetzen wollen.
Vorteile:⬤ Umfassende Abdeckung von NLP-Themen von grundlegenden bis zu fortgeschrittenen Techniken.
⬤ Leicht zu lesen mit klaren Erklärungen und Illustrationen.
⬤ Praktische Code-Beispiele und GitHub-Ressourcen helfen beim Lernen.
⬤ Sowohl für Anfänger als auch für erfahrene Profis geeignet.
⬤ Auf dem neuesten Stand mit modernen NLP-Entwicklungen und Tools wie TensorFlow und HuggingFace.
⬤ Starker Fokus auf praktische Anwendungen und Beispiele aus der Praxis.
⬤ Einige diskutierte Methoden, wie LSTM und seq2seq, werden in der sich schnell entwickelnden NLP-Landschaft als veraltet angesehen.
⬤ Das Vorhandensein von „Boilerplate Code“ kann von den Hauptkonzepten ablenken.
⬤ Unterschiedliche Bibliotheken/Methoden für ähnliche Aufgaben können zu einer weniger kohärenten Lernerfahrung führen.
⬤ Einige Leser könnten das Buch für absolute Anfänger ohne Vorkenntnisse nicht geeignet finden.
(basierend auf 31 Leserbewertungen)
Originaltitel:
Advanced Natural Language Processing with TensorFlow 2: Build effective real-world NLP applications using NER, RNNs, seq2seq models, Transformers, and
Inhalt des Buches:
Eine Lösung aus einer Hand für NLP-Praktiker, ML-Entwickler und Datenwissenschaftler, um effektive NLP-Systeme zu erstellen, die komplizierte Aufgaben in der realen Welt ausführen können
Hauptmerkmale
⬤ Implementieren Sie Deep Learning Algorithmen wie BiLSTMS, CRFs und viele mehr mit TensorFlow 2.
⬤ Erforschen Sie klassische NLP-Techniken und -Bibliotheken, einschließlich Parts-of-Speech-Tagging und Tokenisierung.
⬤ Lernen Sie praktische Anwendungen von NLP kennen, die die vordersten Bereiche des Feldes abdecken, wie z.B. Sentimentanalyse und Textgenerierung.
Buchbeschreibung
In den letzten Jahren gab es enorme Fortschritte in der Verarbeitung natürlicher Sprache, und wir bewegen uns nun von den Forschungslabors zu praktischen Anwendungen. Advanced Natural Language Processing bietet eine perfekte Mischung aus den theoretischen und praktischen Aspekten der aktuellen und komplexen NLP-Techniken.
Dieses Buch konzentriert sich auf innovative Anwendungen in den Bereichen NLP, Spracherzeugung und Dialogsysteme. Es geht im Detail auf die Anwendung der Konzepte der Textvorverarbeitung mit Techniken wie Tokenisierung, Parts of Speech-Tagging und Lemmatisierung unter Verwendung beliebter Bibliotheken wie Stanford NLP und SpaCy ein. Die Erkennung von benannten Entitäten (Named Entity Recognition, NER), ein Eckpfeiler aufgabenorientierter Bots, wird von Grund auf mit Hilfe von Conditional Random Fields und Viterbi Decoding auf der Grundlage von RNNs entwickelt.
Mit einer praktischen und anwendungsorientierten Perspektive deckt das Buch neue Schlüsselbereiche ab, wie z.B. die Generierung von Text zur Verwendung bei der Satzvervollständigung und Textzusammenfassung, die Verknüpfung von Bildern und Text durch die Generierung von Bildunterschriften und die Verwaltung von Dialogaspekten beim Chatbot-Design. Es deckt auch einen der wichtigsten Gründe für die jüngsten Fortschritte im NLP ab - die Anwendung von Transfer Learning und die Feinabstimmung mit TensorFlow 2.
Darüber hinaus werden praktische Techniken behandelt, die die Beschriftung von Textdaten vereinfachen können, was sich ansonsten als kostspielige Angelegenheit erweist. Das Buch enthält auch einen Arbeitscode für jede Technik, so dass Sie sie an Ihre Anwendungsfälle anpassen können.
Am Ende dieses TensorFlow-Buches werden Sie ein fortgeschrittenes Wissen über die Werkzeuge, Techniken und die Deep-Learning-Architektur haben, die zur Lösung komplexer NLP-Probleme verwendet werden.
Was Sie lernen werden
⬤ Wichtige Vorschritte beim Aufbau von NLP-Anwendungen wie POS-Tagging verstehen.
⬤ Umgang mit großen Mengen an unmarkierten und kleinen markierten Datensätzen in NLP.
⬤ Transfer und schwach überwachtes Lernen mit Hilfe von Bibliotheken wie Snorkel anwenden.
⬤ Gefühlsanalyse mit BERT durchführen.
⬤ Anwendung von Encoder-Decoder-NN-Architekturen und Balkensuche zur Zusammenfassung von Texten.
⬤ Transformationsmodelle mit Aufmerksamkeit verwenden, um Bilder und Text zusammenzubringen.
⬤ Erstellen Sie Anwendungen, die Bildunterschriften generieren und Fragen zu Bildern beantworten.
⬤ Verwenden Sie fortgeschrittene TensorFlow-Techniken wie Learning Rate Annealing, benutzerdefinierte Schichten und benutzerdefinierte Verlustfunktionen, um die neuesten tiefen NLP-Modelle zu erstellen.
Für wen ist dieses Buch gedacht?
Dieses Buch ist kein Einführungsbuch und setzt voraus, dass der Leser mit den Grundlagen des NLP vertraut ist und über grundlegende Python-Kenntnisse sowie über Grundkenntnisse des maschinellen Lernens und über Kalkül und lineare Algebra auf Grundschulniveau verfügt.
Die Leser, die am meisten von diesem Buch profitieren können, sind:
Fortgeschrittene ML-Entwickler, die mit den Grundlagen des überwachten Lernens und der Deep Learning Techniken vertraut sind.
Fachleute, die bereits TensorFlow/Python für Zwecke wie Data Science, ML, Forschung und Analyse verwenden.
Weitere Daten des Buches:
| ISBN: | 9781800200937 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
