Note :

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 4 votes.
Applied Natural Language Processing with Python: Implementing Machine Learning and Deep Learning Algorithms for Natural Language Processing
Chapitre 1 : Qu'est-ce que le traitement du langage naturel ? Objectif du chapitre : Établir la compréhension du sujet et donner un aperçu du texteNombre de pages : 10 pagesSous-thèmes1. Histoire du traitement des langues naturelles 2.
Intégrations de mots3. Réseaux neuronaux appliqués au traitement du langage naturel 4. Paquets Python.
Chapitre 2 : Revue de l'apprentissage automatiqueObjectif du chapitre : Discuter des modèles qui seront référencés dans le texteNombre de pages : 30 pagesSous-thèmes 1.
Descente de gradient 2. Perceptrons multicouches 3.
Réseaux neuronaux récurrents4. Réseaux LSTM. Chapitre 3 : Travailler avec du texte brut Objectif du chapitre : Introduire le lecteur aux aspects fondamentaux du traitement du langage naturel qui seront utilisés plus intensivement dans les chapitres concernant le nombre de pages : 30Sous - Sujets : 1.
Tokenisation des mots 2. Prétraitement et nettoyage des données textuelles3. Exploration du Web avec SpaCy4.
Lemmas, N-grammes, et autres concepts de traitement des langues naturelles. Chapitre 4 : Les ancrages de mots et leurs applicationsBut du chapitre : Introduire le lecteur aux cas d'utilisation des ancrages de mots et aux packages que nous utilisons pour euxNombre de pages : 50 Sous-sujets : 1.
Word2Vec2. Doc2Vec3. GloVe.
Chapitre 5 : Utilisation de l'apprentissage automatique avec le traitement du langage naturelObjectif du chapitre : Donner au lecteur des explications spécifiques sur les applications avancées du traitement du langage naturel en utilisant l'apprentissage automatique dans des applications plus importantes (vérification de l'orthographe et analyse des sentiments)Nombre de pages : 501.
Tensorflow2. Keras3. Caffe