Bewertung:
Das Buch wird von einigen Lesern für seine klaren Erklärungen und seinen einsteigerfreundlichen Aufbau gelobt, insbesondere für diejenigen, die über grundlegende Programmierkenntnisse verfügen. Allerdings wurde es auch kritisiert, weil es veraltet ist, Fehler enthält und wichtige Themen nicht vertieft.
Vorteile:⬤ Gut strukturierter Inhalt, der komplexe Konzepte vereinfacht
⬤ nachvollziehbare Beispiele
⬤ geeignet für Anfänger mit grundlegenden Programmierkenntnissen
⬤ hilfreich für den Erwerb von Wissen über NLP-Techniken.
⬤ Veralteter Inhalt unter Verwendung von Python
⬤ 7
⬤ viele Fehler und Irrtümer
⬤ einige Abschnitte werden als nutzlos empfunden
⬤ wichtige Themen wie Parser und NER werden nicht ausreichend erklärt.
(basierend auf 5 Leserbewertungen)
Python Natural Language Processing: Advanced machine learning and deep learning techniques for natural language processing
Nutzen Sie die Möglichkeiten des maschinellen Lernens und des Deep Learning, um Informationen aus Textdaten zu extrahieren
Hauptmerkmale
⬤ Implementieren Sie maschinelles Lernen und Deep-Learning-Techniken für eine effiziente Verarbeitung natürlicher Sprache.
⬤ Legen Sie los mit NLTK und implementieren Sie NLP in Ihre Anwendungen mit Leichtigkeit.
⬤ Verstehen und interpretieren Sie menschliche Sprache mit den Möglichkeiten der Textanalyse mit Python.
Buchbeschreibung
Dieses Buch legt zunächst die Grundlagen für die Verarbeitung natürlicher Sprache und erklärt, warum Python eine der besten Optionen für den Aufbau eines NLP-basierten Expertensystems ist, mit Vorteilen wie Community-Unterstützung, Verfügbarkeit von Frameworks und so weiter. Später wird Ihnen ein besseres Verständnis für frei verfügbare Korpusformen und verschiedene Arten von Datensätzen vermittelt. Danach werden Sie wissen, wie man einen Datensatz für Anwendungen der natürlichen Sprachverarbeitung auswählt und die richtigen NLP-Techniken findet, um Sätze in Datensätzen zu verarbeiten und ihre Struktur zu verstehen. Sie werden auch lernen, wie man verschiedene Teile von Sätzen tokenisiert und wie man sie analysiert.
Im Laufe des Buches werden Sie sowohl die semantische als auch die syntaktische Analyse von Texten erforschen. Sie werden verstehen, wie Sie verschiedene Mehrdeutigkeiten bei der Verarbeitung menschlicher Sprache lösen können, und Sie werden bei der Durchführung von Textanalysen auf verschiedene Szenarien stoßen.
Sie lernen die Grundlagen, um die Umgebung für die Verarbeitung natürlicher Sprache vorzubereiten, gehen zur Ersteinrichtung über und verstehen dann schnell Sätze und Sprachteile. Sie lernen die Möglichkeiten von Machine Learning und Deep Learning kennen, um Informationen aus Textdaten zu extrahieren.
Am Ende des Buches werden Sie ein klares Verständnis von natürlicher Sprachverarbeitung haben und an mehreren Beispielen gearbeitet haben, die NLP in der realen Welt implementieren.
(Was Sie lernen werden)
⬤ Schwerpunkt auf Python-Programmierparadigmen, die zur Entwicklung von NLP-Anwendungen verwendet werden.
⬤ Verstehen Sie die Korpusanalyse und verschiedene Arten von Datenattributen.
⬤ NLP mit Python-Bibliotheken wie NLTK, Polyglot, SpaCy, Standford CoreNLP usw. erlernen
⬤ Lernen Sie die Extraktion von Merkmalen und die Auswahl von Merkmalen als Teil des Features Engineering kennen.
⬤ Erforschen Sie die Vorteile der Vektorisierung beim Deep Learning.
⬤ Ein besseres Verständnis der Architektur eines regelbasierten Systems erlangen.
⬤ Optimierung und Feinabstimmung von Algorithmen des überwachten und unüberwachten maschinellen Lernens für NLP-Probleme.
⬤ Identifizierung von Deep-Learning-Techniken für Probleme der natürlichen Sprachverarbeitung und der natürlichen Sprachgenerierung.
| ISBN: | 9781787121423 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
