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 حل مسائل واقعیِ پردازش زبان طبیعی (NLP) مثل تجزیهٔ وابستگی، استخراج اطلاعات، مدل‌سازی موضوعی و مصورسازی داده‌های متنی، حسابی دست‌تان راه می‌افتد.
ویژگی‌های کلیدی
پیچیدگی‌های مختلف متن را با بسته‌های محبوب پایتون مثل NLTK، spaCy، sklearn و gensim بررسی کنید.
کارهای رایج و حتی کمترمعمول پردازش زبانی را با کتابخانه‌های پایتون انجام دهید.
با چالش‌های رایجِ پیاده‌سازی خط‌لوله‌های NLP (پردازش زبان طبیعی) کنار بیایید.
توضیح کتاب
پایتون به خاطر مجموعهٔ گستردهٔ ابزارها و کتابخانه‌هایی که برای تحلیل متن و استخراج داده‌ای دارد که کامپیوتر بتواند از آن استفاده کند، بیشترین کاربرد را در پردازش زبان طبیعی (NLP) دارد. در این کتاب، مجموعه‌ای از روش‌های پردازش متن را از اصول پایه تا موضوعات پیچیده می‌آموزید؛ از کارهایی مثل تجزیهٔ نقش‌های دستوری (parts of speech) گرفته تا مدل‌سازی موضوعی، طبقه‌بندی متن و مصورسازی.
کتاب با یک مرور کلی بر NLP شروع می‌شود و بعد، دستورالعمل‌هایی برای تقسیم‌بندی متن به جمله‌ها، ریشه‌یابی (stemming) و واژه‌گردانی (lemmatization)، حذف کلماتِ توقف (stopwords) و برچسب‌زنیِ نقش‌های دستوری ارائه می‌کند تا دادهٔ شما آماده شود. سپس یاد می‌گیرید چگونه اطلاعات دستوری را استخراج و نمایش دهید؛ مثل تجزیهٔ وابستگی (dependency parsing) و حلِ هم‌ارجاع (anaphora resolution). بعد، روش‌های مختلف نمایش معنا را با رویکردهای «کیسهٔ کلمات» (bag-of-words)، TF-IDF، بردارهای کلمه (word embeddings) و BERT کشف می‌کنید و مهارت طبقه‌بندی متن را با استفاده از کلیدواژه‌ها، SVMها، LSTMها و روش‌های دیگر گسترش می‌دهید.
هرچه جلوتر می‌روید، می‌بینید چطور از متن اطلاعات استخراج می‌شود، روش‌های بدون‌ناظر (unsupervised) و با‌ناظر (supervised) را برای مدل‌سازی موضوعی پیاده‌سازی می‌کنید و حتی برای متن‌های کوتاه مثل توییت‌ها هم مدل‌سازی موضوعی انجام می‌دهید. همچنین کتاب نشان می‌دهد چطور با NLTK و Rasa ربات‌های گفت‌وگو بسازید و داده‌های متنی را مصورسازی کنید.
در پایان این کتابِ NLP، مجموعهٔ قدرتمندی از ابزارها برای پردازش متن را در اختیار خواهید داشت و می‌دانید چگونه از آن‌ها استفاده کنید.
آنچه در این کتاب یاد می‌گیرید
با تکنیک‌های پایه و پیشرفتهٔ NLP در پایتون آشنا شوید.
اطلاعات دستوری متن را با spaCy نمایش دهید و اطلاعات معنایی را با روش‌هایی مثل bag-of-words، TF-IDF و word embeddings.
طبقه‌بندی متن را با روش‌های مختلف، از جمله SVMها و LSTMها انجام دهید.
تکنیک‌های گوناگون مدل‌سازی موضوعی مثل K-means، LDA، NMF و BERT را بررسی کنید.
با تکنیک‌های مصورسازی مثل NER و word cloud برای ابزارهای مختلف NLP کار کنید.
یک ربات گفت‌وگوی پایه با NLTK و Rasa بسازید.
اطلاعات را از متن با روش‌های مبتنی بر عبارت‌های منظم (regular expression) و ابزارهای آماری، یادگیری عمیق و مدل‌های مرتبط استخراج کنید.
این کتاب مناسب چه کسانی است
این کتاب برای دانشمندان داده و متخصصانی است که می‌خواهند یاد بگیرند چگونه با متن کار کنند. داشتن دانش متوسط از پایتون کمک می‌کند بیشترین استفاده را از این کتاب ببرید. اگر در حوزهٔ NLP فعالیت می‌کنید، این کتاب به‌عنوان یک مرجع کد هنگام کار روی پروژه‌های‌تان به کارتان می‌آید.
Get to grips with solving real-world NLP problems, such as dependency parsing, information extraction, topic modeling, and text data visualizationKey FeaturesAnalyze varying complexities of text using popular Python packages such as NLTK, spaCy, sklearn, and gensimImplement common and not-so-common linguistic processing tasks using Python librariesOvercome the common challenges faced while implementing NLP pipelinesBook DescriptionPython is the most widely used language for natural language processing (NLP) thanks to its extensive tools and libraries for analyzing text and extracting computer-usable data. This book will take you through a range of techniques for text processing, from basics such as parsing the parts of speech to complex topics such as topic modeling, text classification, and visualization. Starting with an overview of NLP, the book presents recipes for dividing text into sentences, stemming and lemmatization, removing stopwords, and parts of speech tagging to help you to prepare your data. You'll then learn ways of extracting and representing grammatical information, such as dependency parsing and anaphora resolution, discover different ways of representing the semantics using bag-of-words, TF-IDF, word embeddings, and BERT, and develop skills for text classification using keywords, SVMs, LSTMs, and other techniques. As you advance, you'll also see how to extract information from text, implement unsupervised and supervised techniques for topic modeling, and perform topic modeling of short texts, such as tweets. Additionally, the book shows you how to develop chatbots using NLTK and Rasa and visualize text data. By the end of this NLP book, you'll have developed the skills to use a powerful set of tools for text processing.What you will learnBecome well-versed with basic and advanced NLP techniques in PythonRepresent grammatical information in text using spaCy, and semantic information using bag-of-words, TF-IDF, and word embeddingsPerform text classification using different methods, including SVMs and LSTMsExplore different techniques for topic modeling such as K-means, LDA, NMF, and BERTWork with visualization techniques such as NER and word clouds for different NLP toolsBuild a basic chatbot using NLTK and RasaExtract information from text using regular expression techniques and statistical and deep learning toolsWho this book is forThis book is for data scientists and professionals who want to learn how to work with text. Intermediate knowledge of Python will help you to make the most out of this book. If you are an NLP practitioner, this book will serve as a code reference when working on your projects.
هنر
رایانه و برنامه‌نویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)