توضیحات
One-stop solution for NLP practitioners, ML developers and data scientists to build effective NLP systems that can perform real-world complicated tasks
Key Features
Implement deep learning algorithms such as BiLSTMS, CRFs, and many more using TensorFlow 2
Explore classical NLP techniques and libraries including parts-of-speech tagging and tokenization
Learn practical applications of NLP covering the forefronts of the field like sentiment analysis and generating text
Book Description
In the last couple of years, there have been tremendous advances in natural language processing, and we are now moving from research labs into practical applications. Advanced Natural Language Processing comes with a perfect blend of both the theoretical and practical aspects of trending and complex NLP techniques.
This book is focused on innovative applications in the field of NLP, language generation, and dialogue systems. It goes into the details of applying the concepts of text pre-processing using techniques such as tokenization, parts of speech tagging, and lemmatization using popular libraries such as Stanford NLP and SpaCy. Named Entity Recognition (NER), a cornerstone of task-oriented bots, is built from scratch using Conditional Random Fields and Viterbi Decoding on top of RNNs.
Taking a practical and application-focused perspective, the book covers key emerging areas such as generating text for use in sentence completion and text summarization, bridging images and text by generating captions for images, and managing dialogue aspects of chatbot design. It also covers one of the most important reasons behind recent advances in NLP – applying transfer learning and fine-tuning using TensorFlow 2.
Further, it covers practical techniques that can simplify the labelling of textual data which otherwise proves to be a costly affair. The book also has a working code for each tech piece so that you can adapt them to your use cases.
By the end of this TensorFlow book, you will have an advanced knowledge of the tools, techniques and deep learning architecture used to solve complex NLP problems.
What you will learn
Grasp important pre-steps in building NLP applications like POS tagging
Deal with vast amounts of unlabeled and small labelled Datasets in NLP
Use transfer and weakly supervised learning using libraries like Snorkel
Perform sentiment analysis using BERT
Apply encoder-decoder NN architectures and beam search for summarizing text
Use transformer models with attention to bring images and text together
Build applications that generate captions and answer questions about images
Use advanced TensorFlow techniques like learning rate annealing, custom layers, and custom loss functions to build the latest deep NLP models
Who This Book Is For
This is not an introductory book and assumes the reader is familiar with basics of NLP and has fundamental Python skills, as well as basic knowledge of machine learning and undergraduate-level calculus and linear algebra.
The readers who can benefit the most from this book include:
Intermediate ML developers who are familiar with the basics of supervised learning and deep learning techniques
Professionals who already use TensorFlow/Python for purposes such as data science, ML, research, and analysis
————————————————————–
ترجمه ماشینی :
راه حل یک مرحله ای برای پزشکان NLP، توسعه دهندگان ML و دانشمندان داده برای ایجاد سیستم های NLP موثر که می توانند وظایف پیچیده دنیای واقعی را انجام دهند ویژگی های کلیدی پیاده سازی الگوریتم های یادگیری عمیق مانند BiLSTMS، CRFs و بسیاری دیگر با استفاده از TensorFlow 2 Explore classical تکنیکها و کتابخانههای NLP از جمله برچسبگذاری بخشهای گفتار و نشانهگذاری کاربردهای عملی NLP را بیاموزید که پیشانیهای این حوزه را پوشش میدهد، مانند تجزیه و تحلیل احساسات و تولید متن \ شرح کتاب \ در چند سال گذشته، پیشرفتهای فوقالعادهای در پردازش زبان طبیعی، و ما اکنون از آزمایشگاه های تحقیقاتی به سمت کاربردهای عملی حرکت می کنیم. پردازش زبان طبیعی پیشرفته با ترکیبی عالی از هر دو جنبه نظری و عملی تکنیک های ترند و پیچیده NLP ارائه می شود. این کتاب بر کاربردهای نوآورانه در زمینه NLP، تولید زبان و سیستم های گفتگو متمرکز است. این به جزئیات کاربرد مفاهیم پیشپردازش متن با استفاده از تکنیکهایی مانند نشانهگذاری، بخشهایی از برچسبگذاری گفتار و واژهسازی با استفاده از کتابخانههای محبوب مانند Stanford NLP و SpaCy میپردازد. با نام Entity Recognition (NER)، سنگ بنای ربات های وظیفه گرا، از ابتدا با استفاده از فیلدهای تصادفی شرطی و رمزگشایی Viterbi در بالای RNN ساخته شده است. با نگاهی کاربردی و متمرکز بر کاربرد، این کتاب حوزههای نوظهور کلیدی مانند تولید متن برای استفاده در تکمیل جملات و خلاصهسازی متن، پل زدن تصاویر و متن با ایجاد زیرنویسها برای تصاویر و مدیریت جنبههای گفتگوی طراحی ربات چت را پوشش میدهد. همچنین یکی از مهمترین دلایل پیشرفتهای اخیر در NLP – استفاده از یادگیری انتقال و تنظیم دقیق با استفاده از TensorFlow 2 را پوشش میدهد. . این کتاب همچنین یک کد کار برای هر قطعه فنی دارد تا بتوانید آنها را با موارد استفاده خود تطبیق دهید. در پایان این کتاب تنسورفلو، دانش پیشرفته ای از ابزارها، تکنیک ها و معماری یادگیری عمیق مورد استفاده برای حل مسائل پیچیده NLP خواهید داشت. آنچه یاد خواهید گرفت مراحل اولیه مهم در ساخت برنامه های NLP مانند برچسب گذاری POS را در نظر بگیرید با مقادیر زیادی مجموعه داده بدون برچسب و برچسب کوچک در NLP استفاده از انتقال و یادگیری با نظارت ضعیف با استفاده از کتابخانه هایی مانند Snorkel انجام تجزیه و تحلیل احساسات با استفاده از BERT استفاده از معماریهای رمزگذار-رمزگشا NN و جستجوی پرتو برای خلاصهسازی متن از مدلهای ترانسفورماتور با توجه برای جمع کردن تصاویر و متن استفاده کنید برنامههایی بسازید که زیرنویس ایجاد میکنند و به سؤالات مربوط به تصاویر پاسخ میدهند از تکنیکهای پیشرفته TensorFlow مانند بازپخت نرخ یادگیری، لایههای سفارشی و سفارشی استفاده کنید. توابع از دست دادن برای ساخت جدیدترین مدلهای عمیق NLP \ این کتاب برای چه کسی است \ این کتاب مقدماتی نیست و فرض میکند که خواننده با مبانی NLP آشنا است و مهارتهای اساسی پایتو
tag : دانلود کتاب پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran , Download پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran , دانلود پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran , Download ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran Book , پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran دانلود , buy پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran , خرید کتاب پردازش زبان طبیعی پیشرفته با TENSORFLOW 2: ساخت Nlp موثر در دنیای واقعی… برنامه های کاربردی با استفاده از Ner، Rnns، Seq2seq Models، Tran , دانلود کتاب ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran , کتاب ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran , دانلود ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran , خرید ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran , خرید کتاب ADVANCED NATURAL LANGUAGE PROCESSING WITH TENSORFLOW 2: Build Real-world Effective Nlp… Applications Using Ner, Rnns, Seq2seq Models, Tran ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.