
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
با پایتون و ابزارهای استاندارد صنعت و روشهای محبوب یادگیری عمیق، برنامههای هوشمند پردازش زبان طبیعی بسازید و مستقر کنید.
نکات کلیدی
یک راهنمای برنامهنویسی، بدون ریاضیات و مبتنی بر کد، برای پردازش متن و NLP
با ابزارهای مدرن در زبانشناسی، بردارهای متن و یادگیری ماشین به نتایج روز برسید
مبانی روشهای NLP با spaCy، gensim، scikit-learn و PyTorch
درباره کتاب
NLP در پایتون یکی از پرتقاضاترین مهارتها میان دانشمندان داده است. این کتاب با کد و مطالعات موردی مرتبط نشان میدهد چگونه با ابزارهای سطح صنعتی برنامههای NLP بنویسید که از دادههای مناسب یاد بگیرند. بسیاری از روشهای مدرن را بررسی میکنیم؛ از spaCy تا بردارهای کلمه که NLP را دگرگون کردهاند. کتاب شما را از مبانی NLP تا ساخت برنامههای پردازش متن همراهی میکند. با معرفی واژگان پایه و یک گردشکار برای ساخت برنامههای NLP شروع میکنیم. از ابزارهای سطح صنعتی NLP برای پاکسازی و پیشپردازش متن، تولید خودکار پرسش و پاسخ با کمک زبانشناسی، جاسازی متن، طبقهبند متن و ساخت چتبات استفاده میکنیم. با هر پروژه مفهوم تازهای از NLP یاد میگیرید. با شناسایی موجودیت، برچسبگذاری اجزای کلام و تجزیه وابستگی برای پرسش و پاسخ آشنا میشوید. از جاسازی متن هم برای خوشهبندی اسناد و هم برای ساخت چتبات استفاده میکنیم و سپس با scikit-learn طبقهبند میسازیم. در پایان این مدلها را با Flask بهصورت APIهای REST مستقر میکنیم. در انتها با اطمینان برنامههای NLP میسازید و دقیقاً میدانید هنگام روبهرو شدن با چالشهای تازه به چه چیزهایی توجه کنید.
آنچه یاد میگیرید
زبانشناسی کلاسیک را با گرامر انگلیسی به کار ببرید تا از یک پیکره متن آزاد بهطور خودکار پرسش و پاسخ بسازید
با مدلهای جاسازی متن کار کنید تا نمایشهای عددی فشرده از کلمات، زیرکلمات و نویسهها در انگلیسی داشته باشید و خوشهبندی اسناد را بررسی کنید
یادگیری عمیق در NLP با PyTorch، همراه با معرفی مبتنی بر کد PyTorch
از یک چارچوب مدیریت پروژه NLP برای تخمین زمانبندی و سازماندهی پروژه در مراحل مختلف استفاده کنید
در ۳۰ دقیقه یک چتبات ساده بسازید و آن را بهبود دهید
یک برنامه NLP یا یادگیری ماشین را با Flask بهصورت APIهای RESTful مستقر کنید
این کتاب برای چه کسانی است
برنامهنویسانی که میخواهند سامانههایی بسازند که زبان را تفسیر کنند. آشنایی با برنامهنویسی پایتون لازم است. آشنایی با واژگان NLP یا یادگیری ماشین مفید است، اما الزامی نیست.
Build and deploy intelligent applications for natural language processing with Python by using industry standard tools and recently popular methods in deep learning Key Features A no-math, code-driven programmer's guide to text processing and NLP Get state of the art results with modern tooling across linguistics, text vectors and machine learning Fundamentals of NLP methods from spaCy, gensim, scikit-learn and PyTorch Book Description NLP in Python is among the most sought after skills among data scientists. With code and relevant case studies, this book will show how you can use industry-grade tools to implement NLP programs capable of learning from relevant data. We will explore many modern methods ranging from spaCy to word vectors that have reinvented NLP. The book takes you from the basics of NLP to building text processing applications. We start with an introduction to the basic vocabulary along with a workflow for building NLP applications. We use industry-grade NLP tools for cleaning and pre-processing text, automatic question and answer generation using linguistics, text embedding, text classifier, and building a chatbot. With each project, you will learn a new concept of NLP. You will learn about entity recognition, part of speech tagging and dependency parsing for Q and A. We use text embedding for both clustering documents and making chatbots, and then build classifiers using scikit-learn. We conclude by deploying these models as REST APIs with Flask. By the end, you will be confident building NLP applications, and know exactly what to look for when approaching new challenges. What you will learn Understand classical linguistics in using English grammar for automatically generating questions and answers from a free text corpus Work with text embedding models for dense number representations of words, subwords and characters in the English language for exploring document clustering Deep Learning in NLP using PyTorch with a code-driven introduction to PyTorch Using an NLP project management Framework for estimating timelines and organizing your project into stages Hack and build a simple chatbot application in 30 minutes Deploy an NLP or machine learning application using Flask as RESTFUL APIs Who this book is for Programmers who wish to build systems that can interpret language. Exposure to Python programming is required. Familiarity with NLP or machine learning vocabulary will be helpful, but not mandatory.