Démarrer avec l'apprentissage profond pour le traitement du langage naturel : Apprendre à construire des applications NLP avec l'apprentissage profond (Deep Learning)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 16 votes.

Titre original :

Getting started with Deep Learning for Natural Language Processing: Learn how to build NLP applications with Deep Learning

Contenu du livre :

Apprenez à reconcevoir les applications NLP à partir de zéro.

Caractéristiques principales

⬤  Se familiariser avec les bases de toute application de Machine Learning ou de Deep Learning.

⬤  Comprendre comment fonctionne le prétraitement dans le pipeline NLP.

⬤  Utiliser des snippets PyTorch simples pour créer des blocs de construction de base du réseau couramment utilisé dans le NLP.

⬤  Se familiariser avec les techniques avancées d'intégration, les réseaux génératifs et les techniques de traitement des signaux audio.

Description

Le traitement du langage naturel (NLP) est l'un des domaines où de nombreuses techniques de Machine Learning et de Deep Learning sont appliquées.

Ce livre couvre de vastes domaines, notamment les principes fondamentaux de l'apprentissage automatique, la compréhension et l'optimisation des hyperparamètres, les réseaux neuronaux à convolution (CNN) et les réseaux neuronaux récurrents (RNN). Ce livre ne couvre pas seulement le concept classique du traitement de texte mais partage également les avancées récentes. Ce livre permettra aux utilisateurs de concevoir des réseaux avec le moins de complexité de calcul et de temps possible. Ce livre ne couvre pas seulement les bases du traitement du langage naturel mais aide également à déchiffrer la logique derrière les concepts/architectures avancés tels que la normalisation par lots, l'intégration de positions, DenseNet, le mécanisme d'attention, les réseaux autoroutiers, les modèles de transformateurs et les réseaux siamois. Ce livre couvre également les avancées récentes telles que ELMo-BiLM, SkipThought et Bert. Ce livre couvre également la mise en œuvre pratique avec une explication étape par étape des techniques d'apprentissage profond dans la modélisation des sujets, la génération de texte, la reconnaissance des entités nommées, la synthèse de texte et la traduction linguistique. En outre, des sujets très avancés et ouverts à la recherche tels que Generative Adversarial Network et Speech Processing sont également abordés.

Ce que vous apprendrez

⬤  Apprenez à tirer parti du GPU pour l'apprentissage profond.

⬤  Apprendre à utiliser des modèles d'intégration complexes tels que BERT.

⬤  Se familiariser avec les applications courantes du NLP.

⬤  Apprendre à utiliser les GANs dans le NLP.

⬤  Apprendre à traiter les données vocales et à les mettre en œuvre dans des applications vocales.

A qui s'adresse ce livre ?

Ce livre est une lecture indispensable pour tous ceux qui souhaitent commencer une carrière dans le domaine de l'apprentissage automatique et de l'apprentissage profond. Ce livre s'adresse également à ceux qui souhaitent utiliser les GPU pour développer des applications de Deep Learning.

Table des matières

1. Comprendre les bases du processus d'apprentissage.

2. Techniques de traitement de texte.

3. Représentation mathématique du langage.

4. Utilisation des RNN pour le NLP.

5. Application de CNN dans les tâches de NLP.

6. Accélération du NLP avec des emboîtements avancés.

7. Application de l'apprentissage profond aux tâches de NLP.

8. Application d'architectures complexes au NLP.

9. Comprendre les réseaux génératifs.

10. Techniques de traitement de la parole.

11. Le chemin à parcourir.

A propos des auteurs

Sunil Patel a obtenu sa maîtrise en technologie de l'information à l'Indian Institute of Information technology-Allahabad, avec une thèse portant sur l'étude des interactions protéine-protéine en 3D à l'aide de l'apprentissage profond. Sunil a travaillé pour TCS Innovation Labs, Excelra et Innoplexus avant de rejoindre Nvidia. Ses principaux domaines de recherche étaient l'utilisation de l'apprentissage profond, le traitement du langage naturel dans les domaines de la banque et des soins de santé.

Sunil a commencé à expérimenter l'apprentissage profond en implantant la couche de base utilisée dans les pipelines, puis en développant des pipelines complexes pour un problème réel. En outre, Sunil a également participé à CASP-2014 en collaboration avec SCFBIO-IIT Delhi pour prédire efficacement la formation possible de multimères de protéines et son impact sur les maladies à l'aide de l'apprentissage profond. Sunil travaille actuellement chez Nvidia en tant que Data Scientist - III.

Profil LinkedIn https : //www.linkedin.com/in/linus1/.

Autres informations sur le livre :

• ISBN : 9789389898118
• Auteur : Sunil Patel
• Éditeur : Bpb Pubn
• Reliure : Broché