دانلود کتاب Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) – شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی)

دسته بندی :
اطلاعات کتاب
  • جلد
  • سری
  • ویرایش
  • سال 2021
  • نویسنده (گان) Sunil Patel
  • ناشر BPB Publications
  • زبان English
  • تعداد صفحات
  • حجم فایل 9.24MB
  • فرمت فایل pdf
  • شابک 9389898110, 9789389898118
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد
در صورتی که فرمت کتاب دریافتی mobi، azw3 ، epub یا djvu می باشد، جهت راهنمای مطالعه اینجا کلیک کنید.

توضیحات

Learn how to redesign NLP applications from scratch.

Key Features

  • Get familiar with the basics of any Machine Learning or Deep Learning application.
  • Understand how does preprocessing work in NLP pipeline.
  • Use simple PyTorch snippets to create basic building blocks of the network commonly used in NLP.
  • Get familiar with the advanced embedding technique, Generative network, and Audio signal processing techniques.

    • Description

    Natural language processing (NLP) is one of the areas where many Machine Learning and Deep Learning techniques are applied.

    This book covers wide areas, including the fundamentals of Machine Learning, Understanding and optimizing Hyperparameters, Convolution Neural Networks (CNN), and Recurrent Neural Networks (RNN). This book not only covers the classical concept of text processing but also shares the recent advancements. This book will empower users in designing networks with the least computational and time complexity. This book not only covers basics of Natural Language Processing but also helps in deciphering the logic behind advanced concepts/architecture such as Batch Normalization, Position Embedding, DenseNet, Attention Mechanism, Highway Networks, Transformer models and Siamese Networks. This book also covers recent advancements such as ELMo-BiLM, SkipThought, and Bert. This book also covers practical implementation with step by step explanation of deep learning techniques in Topic Modelling, Text Generation, Named Entity Recognition, Text Summarization, and Language Translation. In addition to this, very advanced and open to research topics such as Generative Adversarial Network and Speech Processing are also covered.

    What you will learn

  • Learn how to leveraging GPU for Deep Learning
  • Learn how to use complex embedding models such as BERT
  • Get familiar with the common NLP applications
  • Learn how to use GANs in NLP
  • Learn how to process Speech data and implementing it in Speech applications

    • Who this book is for

    This book is a must-read to everyone who wishes to start the career with Machine learning and Deep Learning. This book is also for those who want to use GPU for developing Deep Learning applications.

    Table of Contents

    1. Understanding the basics of learning Process

    2. Text Processing Techniques

    3. Representing Language Mathematically

    4. Using RNN for NLP

    5. Applying CNN In NLP Tasks

    6. Accelerating NLP with Advanced Embeddings

    7. Applying Deep Learning to NLP tasks

    8. Application of Complex Architectures in NLP

    9. Understanding Generative Networks

    10. Techniques of Speech Processing

    11. The Road Ahead

    About the Authors

    Sunil Patel has completed his masters in Information Technology from the Indian Institute of Information technology-Allahabad with a thesis focused on investigating 3D protein-protein interactions with deep learning. Sunil has worked with TCS Innovation Labs, Excelra, and Innoplexus before joining to Nvidia. The main areas of research were using Deep Learning, Natural language processing in Banking, and healthcare domain.

    Sunil started experimenting with deep learning by implanting the basic layer used in pipelines and then developing complex pipelines for a real-life problem. Apart from this, Sunil has also participated in CASP-2014 in collaboration with SCFBIO-IIT Delhi to efficiently predict possible Protein multimer formation and its impact on diseases using Deep Learning. Currently, Sunil works with Nvidia as Data Scientist III.

    LinkedIn Profile:https://www.linkedin.com/in/linus1/

    ————————————————————–

    ترجمه ماشینی :

    نحوه طراحی مجدد برنامه های NLP را از ابتدا بیاموزید. ویژگی های کلیدی

  • با اصول اولیه هر برنامه یادگیری ماشینی یا یادگیری عمیق آشنا شوید.
  • درک کنید که چگونه پیش پردازش در خط لوله NLP کار می کند.
  • از تکه‌های ساده PyTorch برای ایجاد بلوک‌های اصلی شبکه که معمولاً در NLP استفاده می‌شود، استفاده کنید.
  • با تکنیک های پیشرفته جاسازی، شبکه های تولیدی و تکنیک های پردازش سیگنال صوتی آشنا شوید.

    • توضیح پردازش زبان طبیعی (NLP) یکی از زمینه هایی است که در آن انجام می شود. بسیاری از تکنیک های یادگیری ماشین و یادگیری عمیق استفاده می شود. این کتاب حوزه‌های گسترده‌ای را پوشش می‌دهد، از جمله اصول یادگیری ماشین، درک و بهینه‌سازی فراپارامترها، شبکه‌های عصبی پیچشی (CNN)، و شبکه‌های عصبی تکراری (RNN). این کتاب نه تنها مفهوم کلاسیک پردازش متن را پوشش می دهد، بلکه پیشرفت های اخیر را نیز به اشتراک می گذارد. این کتاب به کاربران در طراحی شبکه هایی با کمترین پیچیدگی محاسباتی و زمانی توانمند می شود. این کتاب نه تنها مبانی پردازش زبان طبیعی را پوشش می دهد، بلکه به رمزگشایی منطق پشت مفاهیم/معماری پیشرفته مانند نرمال سازی دسته ای، جاسازی موقعیت، شبکه متراکم، مکانیسم توجه، شبکه های بزرگراه، مدل های ترانسفورماتور و شبکه های سیامی کمک می کند. این کتاب همچنین پیشرفت های اخیر مانند ELMo-BiLM، SkipThought و Bert را پوشش می دهد. این کتاب همچنین پیاده‌سازی عملی را با توضیح گام به گام تکنیک‌های یادگیری عمیق در مدل‌سازی موضوع، تولید متن، شناسایی موجودیت نام‌گذاری شده، خلاصه‌سازی متن و ترجمه زبان را پوشش می‌دهد. علاوه بر این، موضوعات بسیار پیشرفته و باز برای تحقیقات مانند شبکه خصمانه مولد و پردازش گفتار نیز پوشش داده شده است. آنچه یاد خواهید گرفت

  • نحوه استفاده از GPU برای یادگیری عمیق را بیاموزید
  • نحوه استفاده از مدل‌های تعبیه پیچیده مانند BERT را بیاموزید
  • Get آشنایی با برنامه های رایج NLP
  • نحوه استفاده از GAN ها در NLP را بیاموزید
  • نحوه پردازش داده های گفتاری و پیاده سازی آن در برنامه های گفتاری را بیاموزید

    • این کتاب چه کسی است است برای این کتاب برای همه کسانی که می خواهند حرفه ای را با یادگیری ماشینی و یادگیری عمیق شروع کنند، ضروری است. این کتاب همچنین برای کسانی است که می خواهند از GPU برای توسعه برنامه های یادگیری عمیق استفاده کنند. فهرست محتوا 1. درک اصول اولیه فرآیند یادگیری 2. تکنیک های پردازش متن 3. نمایش زبان ریاضی 4. استفاده از RNN برای NLP 5. استفاده از CNN در وظایف NLP 6 تسریع NLP با تعبیه‌های پیشرفته 7. کاربرد یادگیری عمیق در وظایف NLP 8. کاربرد معماری‌های پیچیده در NLP 9. درک شبکه‌های مولد 10. تکنیک‌های پردازش گفتار 11. راه پیش رو \ نویسندگان سونیل پاتل کارشناسی ارشد خود را در فناوری اطلاعات از موسسه فناوری اطلاعات هند – الله آباد با پایان نامه ای متمرکز بر بررسی تعاملات پروتئین-پروتئین سه بعدی با یادگیری عمیق به پایان رسانده است. Sunil قبل از پیوستن به Nvidia با TCS Innovation Labs، Excelra و Innoplexus کار کرده است. حوزه های اصلی تحقیق استفاده از یادگیری عمیق، پردازش زبان طبیعی در حوزه بانکداری و حوزه مراقبت های بهداشتی بود. Sunil شروع به آزمایش با یادگیری عمیق با کاشت لایه اصلی مورد استفاده در خطوط لوله و سپس توسعه خطوط لوله پیچیده برای یک مشکل واقعی کرد. جدای از این، Sunil همچنین در CASP-2014 با همکاری SCFBIO-IIT Delhi شرکت کرده است تا به طور موثر تشکیل مولتیمر پروتئین و تأثیر آن بر بیماری ها را با استفاده از یادگیری عمیق پیش بینی کند. در حال حاضر Sunil با Nvidia به عنوان Data Scientist III کار می کند. نمایه LinkedIn:https://www.linkedin.com/in/linus1/

     

    tag : دانلود کتاب شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) , Download شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) , دانلود شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) , Download Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) Book , شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) دانلود , buy شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) , خرید کتاب شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی) , دانلود کتاب Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) , کتاب Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) , دانلود Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) , خرید Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) , خرید کتاب Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) ,

    نقد و بررسی‌ها

    هنوز بررسی‌ای ثبت نشده است.

    اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning (English Edition) – شروع کار با Deep Learning برای پردازش زبان طبیعی: یاد بگیرید چگونه برنامه های NLP را با Deep Learning بسازید (نسخه انگلیسی)”