Bewertung:
Das Buch findet allgemein großen Anklang und wird für seine Zugänglichkeit, die klaren Erklärungen und die praktische Anleitung zu NLP-Konzepten und -Methoden gelobt. Rezensenten schätzen die Struktur, die einzelne NLP-Tools zu einer kohärenten Anwendung verbindet und NLP auch für Anfänger zugänglich macht. Einige Nutzer kritisieren jedoch die Formatierung des E-Books, die begrenzte Verwendung von Python-Code und die oberflächliche Behandlung bestimmter Themen. Trotz dieser Nachteile wird das Buch als informativ und als gute Ressource für diejenigen angesehen, die NLP lernen wollen.
Vorteile:Zugänglich für Anfänger, klare Erklärungen, gute Abdeckung der NLP-Methoden, praktisches Anwendungspaket, gut organisierter Inhalt, erhellende Beschreibungen, macht komplexe Begriffe einfach.
Nachteile:Schlechte Formatierung in der ebook-Version, begrenzter Python-Code und Beispiele, oberflächliche Abdeckung der Themen, unorganisierte Kodierungsbeispiele, kein neues Buch wie beschrieben.
(basierend auf 25 Leserbewertungen)
Natural Language Processing in Action: Understanding, Analyzing, and Generating Text with Python
Zusammenfassung
Natural Language Processing in Action ist Ihr Leitfaden für die Entwicklung von Maschinen, die menschliche Sprache verstehen und dabei die Leistungsfähigkeit von Python mit seinem Ökosystem von Paketen für NLP und KI nutzen.
Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.
Über die Technologie
Die jüngsten Fortschritte im Bereich des Deep Learning ermöglichen es Anwendungen, Text und Sprache mit extremer Genauigkeit zu verstehen. Das Ergebnis? Chatbots, die echte Menschen imitieren können, aussagekräftige Lebenslauf-Job-Vergleiche, eine hervorragende prädiktive Suche und automatisch generierte Dokumentenzusammenfassungen - und das alles zu geringen Kosten. Neue Techniken und leicht zugängliche Tools wie Keras und TensorFlow machen NLP in professioneller Qualität einfacher als je zuvor.
Über das Buch
Natural Language Processing in Action ist Ihr Leitfaden zur Entwicklung von Maschinen, die menschliche Sprache lesen und interpretieren können. In diesem Buch werden Sie leicht verfügbare Python-Pakete verwenden, um die Bedeutung von Texten zu erfassen und entsprechend zu reagieren. Das Buch erweitert traditionelle NLP-Ansätze um neuronale Netze, moderne Deep-Learning-Algorithmen und generative Techniken, während Sie reale Probleme wie das Extrahieren von Daten und Namen, das Verfassen von Text und das Beantworten von Freiformfragen angehen.
Was ist drin?
⬤ Einige Sätze in diesem Buch wurden von NLP geschrieben Können Sie erraten, welche?
⬤ Arbeiten mit Keras, TensorFlow, gensim und scikit-learn.
⬤ Regelbasiertes und datenbasiertes NLP.
⬤ Skalierbare Pipelines.
(Über den Leser)
Dieses Buch erfordert ein grundlegendes Verständnis von Deep Learning und mittlere Python-Kenntnisse.
Über den Autor
Hobson Lane, Cole Howard und Hannes Max Hapke sind erfahrene NLP-Ingenieure, die diese Techniken in der Produktion einsetzen.
Inhaltsverzeichnis
TEIL 1 - WORTREICHE MASCHINEN.
⬤ Gedankenpakete (NLP-Übersicht)
⬤ Wortschatz aufbauen (Wort-Tokenisierung)
⬤ Mathematik mit Wörtern (TF-IDF-Vektoren)
⬤ Bedeutung in Wortzahlen finden (semantische Analyse)
TEIL 2 - VERTIEFTES LERNEN (NEURONALE NETZE)
⬤ Babyschritte mit neuronalen Netzen (Perceptrons und Backpropagation)
⬤ Mit Wortvektoren rechnen (Word2vec)
⬤ Wörter in die richtige Reihenfolge bringen mit Faltungsneuronalen Netzen (CNNs)
⬤ Loopy (rekurrente) neuronale Netze (RNNs)
⬤ Verbesserung des Behaltens mit Netzen für das Langzeitgedächtnis.
⬤ Sequenz-zu-Sequenz-Modelle und Aufmerksamkeit.
TEIL 3 - REALITÄT (NLP-HERAUSFORDERUNGEN AUS DER PRAXIS)
⬤ Informationsextraktion (Extraktion benannter Entitäten und Beantwortung von Fragen)
⬤ Gesprächig werden (Dialogmaschinen)
⬤ Skalierung (Optimierung, Parallelisierung und Stapelverarbeitung)
| ISBN: | 9781617294631 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 544 |
Derzeit verfügbar, auf Lager.
