Avis des lecteurs
Résumé:Le livre « Deep Learning for Search » est loué pour sa belle écriture et son accessibilité, rendant les sujets techniques plus faciles à comprendre. Il propose des exemples pratiques utilisant Java et Apache Lucene, et s'adresse aux personnes intéressées par les technologies de recherche. Toutefois, certains lecteurs estiment qu'il est trop axé sur Lucene, qu'il manque de profondeur dans les concepts d'apprentissage en profondeur et qu'il risque de ne pas répondre aux attentes des utilisateurs expérimentés à la recherche d'informations plus avancées.
Avantages:⬤ Magnifiquement écrit et facile à lire, comparable à un roman.
⬤ Fournit des exemples pratiques utilisant Java et Apache Lucene.
⬤ Bonne introduction aux concepts d'apprentissage profond.
⬤ Offre des idées utiles applicables dans le travail professionnel.
⬤ Manque de profondeur dans l'apprentissage profond, se concentrant trop sur Apache Lucene.
⬤ Peut être décevant pour les lecteurs ayant une expérience significative de Lucene ou des technologies connexes.
⬤ Sujet de niche qui pourrait ne pas intéresser un public plus large.
(basé sur 4 avis de lecteurs)
Titre original :
Deep Learning for Search
Contenu du livre :
Résumé
Deep Learning for Search vous apprend à améliorer l'efficacité de vos recherches en mettant en œuvre des techniques basées sur les réseaux neuronaux. A la fin de ce livre, vous serez prêt à construire des moteurs de recherche étonnants qui fournissent les résultats dont vos utilisateurs ont besoin et qui s'améliorent au fil du temps.
Préface de Chris Mattmann.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
L'apprentissage profond permet de relever les défis les plus difficiles en matière de recherche, notamment les termes de recherche imprécis, les données mal indexées et la récupération d'images avec un minimum de métadonnées. Et avec des outils modernes comme DL4J et TensorFlow, vous pouvez appliquer de puissantes techniques d'apprentissage profond sans avoir de connaissances approfondies en science des données ou en traitement du langage naturel (NLP). Ce livre vous montrera comment.
À propos du livre
Deep Learning for Search vous apprend à améliorer vos résultats de recherche à l'aide de réseaux neuronaux. Vous verrez comment l'apprentissage profond est lié aux principes de base de la recherche tels que l'indexation et le classement. Ensuite, vous suivrez des exemples détaillés pour améliorer votre recherche avec des techniques d'apprentissage profond en utilisant Apache Lucene et Deeplearning4j. Au fil du livre, vous explorerez des sujets avancés tels que la recherche d'images, la traduction des requêtes des utilisateurs et la conception de moteurs de recherche qui s'améliorent au fur et à mesure qu'ils apprennent.
Ce qu'il y a à l'intérieur
⬤ Des classements précis et pertinents.
⬤ La recherche à travers les langues.
⬤ La recherche d'images basée sur le contenu.
⬤ Recherche avec recommandations.
À propos du lecteur
Pour les développeurs à l'aise avec Java ou un langage similaire et les bases de la recherche. Aucune expérience de l'apprentissage profond ou du NLP n'est nécessaire.
À propos de l'auteur
Tommaso Teofili est un ingénieur logiciel passionné par l'open source et l'apprentissage automatique. En tant que membre de la Apache Software Foundation, il contribue à un certain nombre de projets open source, allant de sujets tels que la recherche d'informations (comme Lucene et Solr) au traitement du langage naturel et à la traduction automatique (y compris OpenNLP, Joshua et UIMA).
Il travaille actuellement chez Adobe, où il développe des composants d'infrastructure de recherche et d'indexation et effectue des recherches dans les domaines du traitement du langage naturel, de la recherche d'informations et de l'apprentissage profond. Il a présenté des exposés sur la recherche et l'apprentissage automatique lors de conférences telles que BerlinBuzzwords, International Conference on Computational Science, ApacheCon, EclipseCon, etc. Vous pouvez le retrouver sur Twitter à l'adresse @tteofili.
Table des matières
PARTIE 1 - LA RECHERCHE RENCONTRE L'APPRENTISSAGE PROFOND.
⬤ Recherche neuronale.
⬤ Génération de synonymes.
PARTIE 2 - LES RÉSEAUX NEURONAUX AU SERVICE D'UN MOTEUR DE RECHERCHE.
⬤ De la recherche simple à la génération de texte.
⬤ Des suggestions de requête plus sensibles.
⬤ Classement des résultats de recherche à l'aide d'enchâssements de mots.
⬤ L'intégration de documents pour les classements et les recommandations.
PARTIE 3 - UN PAS PLUS LOIN.
⬤ La recherche dans plusieurs langues.
⬤ Recherche d'images basée sur le contenu.
⬤ Un coup d'œil sur les performances.
Autres informations sur le livre :
| ISBN : | 9781617294792 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 328 |
Achat:
Actuellement disponible, en stock.
