Avis des lecteurs
Résumé:Cet ouvrage constitue une introduction complète et pratique au traitement du langage naturel (NLP), offrant des informations précieuses et des exemples pratiques à ceux qui souhaitent s'engager dans ce domaine. Bien qu'il soit bien accueilli par les codeurs et les praticiens expérimentés, il peut poser des problèmes aux débutants en raison de sa complexité et de son recours au codage. Certains lecteurs trouvent certains exemples de code frustrants et pas immédiatement fonctionnels.
Avantages:** Le livre est hautement recommandé pour son introduction complète aux concepts de la PNL. ** Concis et pratique, il est facile à lire du début à la fin. ** Une bonne couverture des méthodologies et des bibliothèques actuelles de la PNL, y compris les applications pratiques. ** Il s'agit d'une ressource utile pour les codeurs expérimentés et les praticiens du domaine.
Inconvénients:** Les exemples de code ne fonctionnent souvent pas directement sur la page, ce qui nécessite des modifications. ** Manque d'explications suffisantes pour les débutants, ce qui rend la tâche difficile pour les programmeurs moins expérimentés. ** Ne fonctionne pas bien en tant que référence en raison de son style de construction cumulatif. ** N'est pas disponible pour Kindle Cloud Reader, ce qui limite l'accès pour certains utilisateurs.
(basé sur 14 avis de lecteurs)
Titre original :
Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning
Contenu du livre :
Des nouvelles et des discours aux discussions informelles sur les médias sociaux, le langage naturel est l'une des sources de données les plus riches et les plus sous-utilisées. Non seulement il se présente sous la forme d'un flux constant, changeant et s'adaptant en permanence au contexte, mais il contient également des informations qui ne sont pas véhiculées par les sources de données traditionnelles.
La clé de l'exploitation du langage naturel réside dans l'application créative de l'analyse de texte. Cet ouvrage pratique présente l'approche d'un scientifique des données pour créer des produits tenant compte du langage grâce à l'apprentissage automatique appliqué. Vous apprendrez des techniques robustes, reproductibles et évolutives pour l'analyse de texte avec Python, y compris l'ingénierie des caractéristiques contextuelles et linguistiques, la vectorisation, la classification, la modélisation des sujets, la résolution des entités, l'analyse des graphes et le pilotage visuel.
À la fin du livre, vous serez équipé de méthodes pratiques pour résoudre un grand nombre de problèmes complexes du monde réel. Prétraiter et vectoriser le texte en représentations de caractéristiques à haute dimension.
Effectuer la classification des documents et la modélisation des sujets. Orienter le processus de sélection des modèles à l'aide de diagnostics visuels. Extraire des phrases clés, des entités nommées et des structures de graphe pour raisonner sur les données du texte.
Construire un cadre de dialogue pour permettre les chatbots et les interactions basées sur le langage. Utiliser Spark pour augmenter la puissance de traitement et les réseaux neuronaux pour augmenter la complexité des modèles.
Autres informations sur le livre :
| ISBN : | 9781491963043 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 350 |
Achat:
Actuellement disponible, en stock.
