Bewertung:
Das Buch bietet eine solide Einführung in Natural Language Processing (NLP) und Deep Learning mit Python und PyTorch, insbesondere für Anfänger mit etwas Programmierkenntnissen. Der Schwerpunkt liegt auf praktischer Kodierung und Beispielen, aber es leidet unter Problemen in Bezug auf die Tiefe der Erklärung, die Qualität des Codes und den zeitgemäßen Inhalt.
Vorteile:Das Buch eignet sich hervorragend für NLP-Einsteiger und bietet eine klare Einführung in die Konzepte und praktische Programmierbeispiele. Es bietet eine solide Grundlage für die Programmierung von Mustern mit Python und PyTorch, und die Übungen sind einfach und können über ein GitHub-Repository leicht zugänglich gemacht werden. Viele Leser schätzen den prägnanten Schreibstil und die nahtlose Überleitung von einfachen zu fortgeschrittenen Themen.
Nachteile:Kritiker weisen auf die Kürze des Buches hin und meinen, dass es in vielen Bereichen an Tiefe mangelt und nur kurze Erklärungen für lange Codebeispiele gibt. Einige haben Probleme mit der Qualität des bereitgestellten Codes festgestellt, einschließlich fehlender Teile und Fehler, die das Lernen frustrierend machen können. Außerdem werden neuere Entwicklungen im NLP wie Transformatoren und Aufmerksamkeitsmechanismen nicht behandelt, und das Buch wird angesichts seines Inhalts als etwas überteuert angesehen.
(basierend auf 21 Leserbewertungen)
Natural Language Processing with Pytorch: Build Intelligent Language Applications Using Deep Learning
Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) bietet grenzenlose Möglichkeiten für die Lösung von Problemen im Bereich der künstlichen Intelligenz und macht Produkte wie Amazon Alexa und Google Translate möglich. Wenn Sie ein Entwickler oder Datenwissenschaftler sind, der neu in NLP und Deep Learning ist, zeigt Ihnen dieses praktische Handbuch, wie Sie diese Methoden mit PyTorch, einer Python-basierten Deep-Learning-Bibliothek, anwenden können.
Die Autoren Delip Rao und Brian McMahon vermitteln Ihnen eine solide Grundlage in NLP- und Deep-Learning-Algorithmen und zeigen Ihnen, wie Sie PyTorch nutzen können, um Anwendungen zu erstellen, die reichhaltige Repräsentationen von Text beinhalten, die speziell auf Ihre Probleme zugeschnitten sind. Jedes Kapitel enthält mehrere Code-Beispiele und Illustrationen.
⬤ Erforschen Sie computergestützte Graphen und das Paradigma des überwachten Lernens.
⬤ Beherrschen Sie die Grundlagen der optimierten Tensormanipulationsbibliothek PyTorch.
⬤ Verschaffen Sie sich einen Überblick über traditionelle NLP-Konzepte und -Methoden.
⬤ Lernen Sie die grundlegenden Ideen für den Aufbau neuronaler Netze kennen.
⬤ Verwendung von Einbettungen zur Darstellung von Wörtern, Sätzen, Dokumenten und anderen Merkmalen.
⬤ Erforschen Sie die Sequenzvorhersage und erstellen Sie Sequenz-zu-Sequenz-Modelle.
⬤ Erlernen von Entwurfsmustern für den Aufbau produktiver NLP-Systeme.
| ISBN: | 9781491978238 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 256 |
Derzeit verfügbar, auf Lager.
