[Всего голосов: 1    Средний: 5/5]

Discover the concepts of deep learning used for natural language processing (NLP), with full-fledged examples of neural network models such as recurrent neural networks, long short-term memory networks, and sequence-2-sequence models.

You’ll start by covering the mathematical prerequisites and the fundamentals of deep learning and NLP with practical examples. The first three chapters of the book cover the basics of NLP, starting with word-vector representation before moving onto advanced algorithms. The final chapters focus entirely on implementation, and deal with sophisticated architectures such as RNN, LSTM, and Seq2seq, using Python tools: TensorFlow, and Keras. Deep Learning for Natural Language Processing follows a progressive approach and combines all the knowledge you have gained to build a question-answer chatbot system.

This book is a good starting point for people who want to get started in deep learning for NLP.


 

Глубокое обучение для обработки естественного языка

Ознакомьтесь с концепциями глубокого обучения, используемого для обработки естественного языка (NLP), с полнофункциональными примерами моделей нейронных сетей, таких как рекуррентные нейронные сети, длинные краткосрочные сети памяти и модели последовательности-последовательности.

Вы начнете с изучения математических предпосылок и основ глубокого обучения и НЛП с практическими примерами. Первые три главы книги посвящены основам НЛП, начиная с словарно-векторного представления, прежде чем перейти к передовым алгоритмам. В заключительных главах основное внимание уделяется реализации и рассматриваются сложные архитектуры, такие как RNN, LSTM и Seq2seq, с использованием инструментов Python: TensorFlow и Keras. Глубокое обучение для обработки естественного языка следует прогрессивному подходу и сочетает в себе все знания, которые вы приобрели, для создания системы чата-ответа на вопрос-ответ.

Эта книга является хорошей отправной точкой для людей, которые хотят начать обучение в НЛП.

ПОДЕЛИТЬСЯ