Elaborazione applicata del linguaggio naturale con Python: Implementazione di algoritmi di apprendimento automatico e di apprendimento profondo per l'elaborazione del linguaggio naturale

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 4 voti.

Titolo originale:

Applied Natural Language Processing with Python: Implementing Machine Learning and Deep Learning Algorithms for Natural Language Processing

Contenuto del libro:

Capitolo 1: Cos'è l'elaborazione del linguaggio naturale? Scopo del capitolo: stabilire la comprensione dell'argomento e fornire una panoramica del testoNumero di pagine: 10 pagineSub-argomenti1. Storia dell'elaborazione del linguaggio naturale 2.

Incorporazione di parole3. Reti neurali applicate all'elaborazione del linguaggio naturale4. Pacchetti Python.

Capitolo 2: Revisione del Machine LearningObiettivo del capitolo: discutere i modelli a cui si farà riferimento nel testoNumero di pagine: 30 pagineSub - Argomenti 1.

Discesa del gradiente 2. Percepitori multistrato3.

Reti neurali ricorrenti4. Reti LSTM. Capitolo 3: Lavorare con il testo grezzo Obiettivo del capitolo: introdurre il lettore agli aspetti fondamentali dell'elaborazione del linguaggio naturale che saranno utilizzati in modo più massiccio nei capitoli successivi: 30Sub - Argomenti: 1.

Tokenizzazione delle parole 2. Preelaborazione e pulizia dei dati testuali3. Web crawling con SpaCy4.

Lemmi, N-grammi e altri concetti di NATURAL LANGUAGE PROCESSING. Capitolo 4: Word Embeddings e loro applicazioneObiettivo del capitolo: introdurre il lettore ai casi d'uso dei word embeddings e ai pacchetti che utilizziamo per essiNumero di pagine: 50 Argomenti secondari: 1.

Word2Vec2. Doc2Vec3. GloVe.

Capitolo 5: Utilizzo dell'apprendimento automatico con l'elaborazione del linguaggio naturaleObiettivo del capitolo: fornire al lettore spiegazioni specifiche sulle applicazioni avanzate dell'elaborazione del linguaggio naturale utilizzando l'apprendimento automatico all'interno di applicazioni più importanti (controllo ortografico e analisi del sentiment)N.

di pagine: 501. Tensorflow2. Keras3.

Caffe