
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 مفاهیم یادگیری عمیق در پردازش زبان طبیعی (NLP) آشنا شوید؛ همراه با مثالهای کامل از مدلهای شبکه عصبی مثل شبکههای عصبی بازگشتی، شبکههای حافظه کوتاهمدت بلند، و مدلهای توالیبهتوالی. ابتدا پیشنیازهای ریاضی و مبانی یادگیری عمیق و NLP را با مثالهای عملی میخوانید. سه فصل اول کتاب مبانی NLP را پوشش میدهد؛ از نمایش بردار کلمه شروع میکند و بعد به الگوریتمهای پیشرفتهتر میرسد. فصلهای پایانی کاملاً روی پیادهسازی تمرکز دارند و معماریهای پیشرفتهای مثل RNN، LSTM و Seq2seq را با ابزارهای پایتون یعنی TensorFlow و Keras بررسی میکنند. __یادگیری عمیق برای پردازش زبان طبیعی__ رویکردی گامبهگام دارد و دانشی را که بهدست آوردهاید کنار هم میگذارد تا یک سیستم چتبات پرسشوپاسخ بسازید. این کتاب نقطه شروع خوبی است برای کسانی که میخواهند یادگیری عمیق برای NLP را آغاز کنند. همه کدهای کتاب بهصورت نوتبوکهای IPython و اسکریپت در دسترساند تا بتوانید مثالها را امتحان کنید و به شکلهای جالب گسترششان دهید.**آنچه یاد میگیرید*** مبانی یادگیری عمیق و پیشنیازهای ریاضی آن را فرا بگیرید* با فریمورکهای یادگیری عمیق در پایتون آشنا شوید* یک چتبات بسازید* یک مقاله پژوهشی درباره طبقهبندی احساسات را پیادهسازی کنید**این کتاب برای چه کسانی است**توسعهدهندگان نرمافزاری که کنجکاوند یادگیری عمیق را با NLP امتحان کنند.
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. All the code presented in the book will be available in the form of IPython notebooks and scripts, which allow you to try out the examples and extend them in interesting ways.**What You Will Learn*** Gain the fundamentals of deep learning and its mathematical prerequisites* Discover deep learning frameworks in Python* Develop a chatbot* Implement a research paper on sentiment classification**Who This Book Is For**Software developers who are curious to try out deep learning with NLP.