Elaborazione avanzata del linguaggio naturale con TensorFlow 2: Costruire applicazioni NLP efficaci nel mondo reale utilizzando NER, RNN, modelli seq2seq, Transformers e

Recensioni dei lettori

Il libro è una guida completa all'elaborazione del linguaggio naturale (NLP) che si rivolge con successo sia ai principianti che ai professionisti esperti. Copre una varietà di argomenti, dai concetti fondamentali alle tecniche avanzate, compresi i trasformatori e le applicazioni reali. L'inclusione di esempi pratici di codice e di risorse GitHub migliora l'esperienza di apprendimento, ma alcuni lettori trovano metodi obsoleti e codice boilerplate che distrae. Nel complesso, il libro è altamente raccomandato per coloro che desiderano comprendere e implementare le moderne tecniche di PNL.

⬤ Copertura completa degli argomenti di PNL, dalle tecniche di base a quelle avanzate.
⬤ Facile da leggere con spiegazioni e illustrazioni chiare.
⬤ Esempi pratici di codice e risorse GitHub aiutano l'apprendimento.
⬤ Adatto sia ai principianti che ai professionisti esperti.
⬤ Aggiornato con i moderni sviluppi della PNL e con strumenti come TensorFlow e HuggingFace.
⬤ Forte attenzione alle applicazioni pratiche e agli esempi del mondo reale.

⬤ Alcuni metodi discussi, come LSTM e seq2seq, sono considerati obsoleti nel panorama dell'NLP in rapida evoluzione.
⬤ La presenza di codice boilerplate può distrarre dai concetti principali.
⬤ La presenza di librerie/metodi diversi per compiti simili può portare a un'esperienza di apprendimento meno coerente.
⬤ Alcuni lettori potrebbero trovare il libro non adatto ai principianti assoluti senza alcuna conoscenza preliminare.

(basato su 31 recensioni dei lettori)

Titolo originale:

Advanced Natural Language Processing with TensorFlow 2: Build effective real-world NLP applications using NER, RNNs, seq2seq models, Transformers, and

Contenuto del libro:

Soluzione unica per professionisti NLP, sviluppatori ML e data scientist per costruire sistemi NLP efficaci in grado di eseguire compiti complicati nel mondo reale.

Caratteristiche principali

⬤ Implementare algoritmi di deep learning come BiLSTMS, CRF e molti altri utilizzando TensorFlow 2.

⬤ Esplora le tecniche e le librerie classiche di NLP, tra cui il tagging delle parti del discorso e la tokenizzazione.

⬤ Imparare applicazioni pratiche di NLP che coprono le frontiere del campo come l'analisi del sentimento e la generazione di testo.

Descrizione del libro

Negli ultimi due anni si sono registrati enormi progressi nell'elaborazione del linguaggio naturale e ora si sta passando dai laboratori di ricerca alle applicazioni pratiche. Advanced Natural Language Processing è una miscela perfetta di aspetti teorici e pratici delle più recenti e complesse tecniche di NLP.

Questo libro è incentrato su applicazioni innovative nel campo della PNL, della generazione del linguaggio e dei sistemi di dialogo. Entra nei dettagli dell'applicazione dei concetti di pre-elaborazione del testo con tecniche quali la tokenizzazione, il tagging delle parti del discorso e la lemmatizzazione, utilizzando librerie popolari come Stanford NLP e SpaCy. Il Named Entity Recognition (NER), una pietra miliare dei bot orientati ai compiti, è costruito da zero utilizzando i campi casuali condizionali e la decodifica Viterbi in cima alle RNN.

Con una prospettiva pratica e applicativa, il libro copre aree chiave emergenti come la generazione di testo da utilizzare per il completamento delle frasi e il riassunto del testo, il collegamento tra immagini e testo mediante la generazione di didascalie per le immagini e la gestione degli aspetti di dialogo della progettazione dei chatbot. Inoltre, tratta uno dei motivi più importanti alla base dei recenti progressi nel campo della PNL: l'applicazione dell'apprendimento per trasferimento e la messa a punto con TensorFlow 2.

Inoltre, vengono trattate tecniche pratiche che possono semplificare l'etichettatura dei dati testuali, che altrimenti si rivelerebbe un'operazione costosa. Il libro contiene anche un codice funzionante per ogni tecnologia, in modo da poterla adattare ai propri casi d'uso.

Alla fine di questo libro su TensorFlow, avrete una conoscenza avanzata degli strumenti, delle tecniche e dell'architettura di deep learning utilizzati per risolvere problemi complessi di NLP.

Cosa imparerete

⬤ Cogliere importanti fasi preliminari nella costruzione di applicazioni NLP come il POS tagging.

⬤ Gestire grandi quantità di dataset non etichettati e con piccole etichette in NLP.

⬤ Utilizzare l'apprendimento a trasferimento e debolmente supervisionato utilizzando librerie come Snorkel.

⬤ Eseguire l'analisi del sentiment utilizzando BERT.

⬤ Applicare le architetture NN encoder-decoder e la ricerca a raggiera per riassumere il testo.

⬤ Usare modelli di trasformazione con attenzione per unire immagini e testo.

⬤ Costruire applicazioni che generano didascalie e rispondono a domande sulle immagini.

⬤ Utilizzare tecniche avanzate di TensorFlow come l'annealing del tasso di apprendimento, livelli personalizzati e funzioni di perdita personalizzate per costruire i più recenti modelli di deep NLP.

A chi è rivolto questo libro

Questo non è un libro introduttivo e presuppone che il lettore abbia familiarità con le basi dell'NLP e abbia le competenze fondamentali di Python, oltre a una conoscenza di base dell'apprendimento automatico e del calcolo e dell'algebra lineare a livello universitario.

I lettori che possono trarre il massimo beneficio da questo libro sono:

Sviluppatori ML intermedi che hanno familiarità con le basi dell'apprendimento supervisionato e delle tecniche di deep learning.

Professionisti che già utilizzano TensorFlow/Python per scopi quali scienza dei dati, ML, ricerca e analisi.