Эта книга является современным руководством по использованию обработки естественного языка на практике. Она раскрывает последние тенденции в глубоком обучении и демонстрирует, как можно использовать их для создания эффективных приложений, работающих с языком.
Сегодня стало возможным не только распознавать слова и правильно вести диалог, но и эффективно подбирать резюме для каждой вакансии, а также создавать аннотации и иные продукты на основе большого объема данных. Примеры решений проблем того или иного рода помогут узнать новые технологии в теории применения, разобраться в коде и сделать свои проекты еще более эффективными.
Автор глубоко и интересно излагает информацию и приводит много конкретных примеров, которые помогут читателю не только разобраться в теоретических вопросах, но применить идеи на практике как в рамках уже имеющихся проектов, так и в совершенно новом направлении проектирования.
Электронная Книга «Обработка естественного языка в действии» написана автором Лейн Хобсон в 2020 году.
Минимальный возраст читателя: 16
Язык: Русский
Серии: Для профессионалов (Питер)
ISBN: 978-5-4461-1371-2
Описание книги от Лейн Хобсон
Последние достижения в области глубокого обучения позволяют создавать приложения, с исключительной точностью распознающие текст и речь. Что в результате? Появляются чат-боты, ведущие диалог не хуже реальных людей, программы, эффективно подбирающие резюме под заданную вакансию, развивается превосходный предиктивный поиск, автоматически генерируются аннотации документов. Благодаря новым приемам и инструментам, таким как Keras и Tensorflow, сегодня возможно как никогда просто реализовать качественную обработку естественного языка (NLP). «Обработка естественного языка в действии» станет вашим руководством по созданию программ, способных распознавать и интерпретировать человеческий язык. В издании рассказано, как с помощью готовых пакетов на языке Python извлекать из текста смыслы и адекватно ими распоряжаться. В книге дается расширенная трактовка традиционных методов NLP, что позволит задействовать нейронные сети, современные алгоритмы глубокого обучения и генеративные приемы при решении реальных задач, таких как выявление дат и имен, составление текстов и ответов на неожиданные вопросы.
