
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 قدرت یادگیری ماشین و یادگیری عمیق، اطلاعات را از دادههای متنی استخراج کنید درباره این کتاب • تکنیکهای یادگیری ماشین و یادگیری عمیق را برای پردازش کارآمد زبان طبیعی پیادهسازی کنید • با NLTK شروع کنید و بهراحتی NLP را در برنامههای خود بهکار بگیرید • با قدرت تحلیل متن در پایتون، زبانهای انسانی را بفهمید و تفسیر کنید این کتاب برای چه کسانی است این کتاب برای توسعهدهندگان پایتون نوشته شده که میخواهند پردازش زبان طبیعی را شروع کنند و با پیادهسازی NLP در برنامههایشان، آنها را هوشمندتر کنند. آنچه خواهید آموخت • روی الگوهای برنامهنویسی پایتون تمرکز کنید که برای ساخت برنامههای NLP بهکار میروند • تحلیل پیکره و انواع مختلف ویژگیهای داده را بفهمید • NLP را با کتابخانههای پایتون مانند NLTK، Polyglot، SpaCy، Stanford CoreNLP و موارد مشابه یاد بگیرید • استخراج ویژگی و انتخاب ویژگی را بهعنوان بخشی از مهندسی ویژگیها بیاموزید • مزایای برداریسازی در یادگیری عمیق را بررسی کنید • معماری یک سیستم مبتنی بر قواعد را بهتر بفهمید • الگوریتمهای یادگیری ماشین نظارتشده و نظارتنشده را برای مسائل NLP بهینه و تنظیم دقیق کنید • تکنیکهای یادگیری عمیق را برای مسائل پردازش زبان طبیعی و تولید زبان طبیعی بشناسید. با جزئیات بیشتر این کتاب ابتدا پایه و اساس پردازش زبان طبیعی را میچیند و توضیح میدهد چرا پایتون یکی از بهترین گزینهها برای ساخت یک سیستم خبره مبتنی بر NLP است؛ با مزایایی مثل پشتیبانی جامعه، در دسترس بودن فریمورکها و موارد دیگر. سپس درک بهتری از شکلهای رایگان موجود پیکره و انواع مختلف مجموعه داده به شما میدهد. بعد از آن، میدانید چگونه برای برنامههای پردازش زبان طبیعی یک مجموعه داده انتخاب کنید و تکنیکهای مناسب NLP را برای پردازش جملات در مجموعه دادهها و فهم ساختار آنها پیدا کنید. همچنین یاد میگیرید چگونه بخشهای مختلف جملات را توکنایز کنید و چطور آنها را تحلیل کنید. در طول کتاب، تحلیل معنایی و نحوی متن را بررسی میکنید. میفهمید چگونه ابهامهای مختلف در پردازش زبان انسانی را حل کنید و هنگام تحلیل متن با سناریوهای گوناگون روبهرو میشوید. مبانی آمادهسازی محیط برای پردازش زبان طبیعی را یاد میگیرید، به راهاندازی اولیه میرسید و سپس بهسرعت جملات و اجزای زبان را میفهمید. قدرت یادگیری ماشین و یادگیری عمیق را برای استخراج اطلاعات از دادههای متنی میآموزید. در پایان کتاب، درک روشنی از پردازش زبان طبیعی خواهید داشت و روی چندین مثال کار کردهاید که NLP را در دنیای واقعی پیادهسازی میکنند. سبک و رویکرد این کتاب جنبههای مختلف پردازش زبان طبیعی را با استفاده از NLTK به خوانندگان آموزش میدهد. خواننده را بهصورت روان از سطح پایه تا پیشرفته پیش میبرد.
Leverage the power of machine learning and deep learning to extract information from text data About This Book • Implement Machine Learning and Deep Learning techniques for efficient natural language processing • Get started with NLTK and implement NLP in your applications with ease • Understand and interpret human languages with the power of text analysis via Python Who This Book Is For This book is intended for Python developers who wish to start with natural language processing and want to make their applications smarter by implementing NLP in them. What You Will Learn • Focus on Python programming paradigms, which are used to develop NLP applications • Understand corpus analysis and different types of data attribute. • Learn NLP using Python libraries such as NLTK, Polyglot, SpaCy, Standford CoreNLP and so on • Learn about Features Extraction and Feature selection as part of Features Engineering. • Explore the advantages of vectorization in Deep Learning. • Get a better understanding of the architecture of a rule-based system. • Optimize and fine-tune Supervised and Unsupervised Machine Learning algorithms for NLP problems. • Identify Deep Learning techniques for Natural Language Processing and Natural Language Generation problems. In Detail This book starts off by laying the foundation for Natural Language Processing and why Python is one of the best options to build an NLP-based expert system with advantages such as Community support, availability of frameworks and so on. Later it gives you a better understanding of available free forms of corpus and different types of dataset. After this, you will know how to choose a dataset for natural language processing applications and find the right NLP techniques to process sentences in datasets and understand their structure. You will also learn how to tokenize different parts of sentences and ways to analyze them. During the course of the book, you will explore the semantic as well as syntactic analysis of text. You will understand how to solve various ambiguities in processing human language and will come across various scenarios while performing text analysis. You will learn the very basics of getting the environment ready for natural language processing, move on to the initial setup, and then quickly understand sentences and language parts. You will learn the power of Machine Learning and Deep Learning to extract information from text data. By the end of the book, you will have a clear understanding of natural language processing and will have worked on multiple examples that implement NLP in the real world. Style and approach This book teaches the readers various aspects of natural language Processing using NLTK. It takes the reader from the basic to advance level in a smooth way.