Traitement avancé du langage naturel avec TensorFlow 2 : Créez des applications NLP efficaces dans le monde réel en utilisant des modèles NER, RNN, seq2seq, Transformers et autres.

Avis des lecteurs

Résumé:

Ce livre est un guide complet sur le traitement du langage naturel (NLP) qui s'adresse aussi bien aux débutants qu'aux praticiens expérimentés. Il couvre une variété de sujets, des concepts fondamentaux aux techniques avancées, en passant par les transformateurs et les applications du monde réel. L'inclusion d'exemples de code pratiques et de ressources GitHub améliore l'expérience d'apprentissage, mais certains lecteurs trouvent que les méthodes dépassées et le code passe-partout distrayant sont des inconvénients. Dans l'ensemble, ce livre est fortement recommandé à ceux qui cherchent à comprendre et à mettre en œuvre les techniques modernes de la PNL.

Avantages:

⬤ Une couverture complète des sujets de la PNL, des techniques de base aux techniques avancées.
⬤ Facile à lire avec des explications et des illustrations claires.
⬤ Des exemples de code pratiques et des ressources GitHub facilitent l'apprentissage.
⬤ Convient aussi bien aux débutants qu'aux professionnels chevronnés.
⬤ A jour avec les développements modernes de la PNL et les outils tels que TensorFlow et HuggingFace.
⬤ L'accent est mis sur les applications pratiques et les exemples du monde réel.

Inconvénients:

⬤ Certaines méthodes abordées, telles que LSTM et seq2seq, sont considérées comme dépassées dans le paysage du NLP qui évolue rapidement.
⬤ La présence de code passe-partout peut détourner l'attention des concepts principaux.
⬤ Des bibliothèques/méthodes variées pour des tâches similaires peuvent conduire à une expérience d'apprentissage moins cohérente.
⬤ Quelques lecteurs peuvent trouver que ce livre n'est pas adapté aux débutants absolus sans aucune connaissance préalable.

(basé sur 31 avis de lecteurs)

Titre original :

Advanced Natural Language Processing with TensorFlow 2: Build effective real-world NLP applications using NER, RNNs, seq2seq models, Transformers, and

Contenu du livre :

Solution unique pour les praticiens du NLP, les développeurs ML et les data scientists pour construire des systèmes NLP efficaces capables d'effectuer des tâches complexes dans le monde réel.

Caractéristiques principales

⬤ Mettre en œuvre des algorithmes d'apprentissage profond tels que BiLSTMS, CRFs, et bien d'autres à l'aide de TensorFlow 2.

⬤ Explorer les techniques et les bibliothèques classiques de NLP, y compris l'étiquetage des parties du discours et la tokenisation.

⬤ Apprendre les applications pratiques du TAL couvrant les domaines de pointe tels que l'analyse des sentiments et la génération de texte.

Description du livre

Au cours des deux dernières années, le traitement du langage naturel a connu des avancées considérables, et nous passons maintenant des laboratoires de recherche aux applications pratiques. Advanced Natural Language Processing est un mélange parfait des aspects théoriques et pratiques des techniques NLP les plus récentes et les plus complexes.

Ce livre se concentre sur les applications innovantes dans le domaine du NLP, de la génération de langage et des systèmes de dialogue. Il entre dans les détails de l'application des concepts de prétraitement du texte à l'aide de techniques telles que la tokenisation, l'étiquetage des parties du discours et la lemmatisation en utilisant des bibliothèques populaires telles que Stanford NLP et SpaCy. La reconnaissance des entités nommées (NER), pierre angulaire des robots orientés vers les tâches, est construite à partir de zéro en utilisant des champs aléatoires conditionnels et le décodage de Viterbi au-dessus des RNN.

Dans une perspective pratique et axée sur l'application, le livre couvre des domaines émergents clés tels que la génération de texte pour une utilisation dans la complétion de phrases et le résumé de texte, le lien entre les images et le texte en générant des légendes pour les images, et la gestion des aspects de dialogue de la conception du chatbot. Il couvre également l'une des raisons les plus importantes des récentes avancées en NLP - l'application de l'apprentissage par transfert et le réglage fin à l'aide de TensorFlow 2.

En outre, il couvre des techniques pratiques qui peuvent simplifier l'étiquetage des données textuelles, ce qui s'avère être une affaire coûteuse. Le livre contient également un code de travail pour chaque élément technique afin que vous puissiez l'adapter à vos cas d'utilisation.

À la fin de ce livre sur TensorFlow, vous aurez une connaissance avancée des outils, des techniques et de l'architecture d'apprentissage profond utilisés pour résoudre des problèmes complexes de NLP.

Ce que vous apprendrez

⬤ Saisir les étapes préliminaires importantes dans la construction d'applications NLP telles que l'étiquetage POS.

⬤ Traiter de vastes quantités de données non étiquetées et peu étiquetées dans le domaine du NLP.

⬤ Utiliser l'apprentissage par transfert et l'apprentissage faiblement supervisé à l'aide de bibliothèques comme Snorkel.

⬤ Effectuer une analyse des sentiments à l'aide de BERT.

⬤ Appliquer les architectures NN codeur-décodeur et la recherche par faisceau pour résumer un texte.

⬤ Utiliser des modèles de transformation avec attention pour rassembler les images et le texte.

⬤ Construire des applications qui génèrent des légendes et répondent à des questions sur les images.

⬤ Utiliser les techniques avancées de TensorFlow comme le recuit de taux d'apprentissage, les couches personnalisées et les fonctions de perte personnalisées pour construire les derniers modèles de NLP profond.

A qui s'adresse ce livre ?

Ce livre n'est pas un ouvrage d'introduction et suppose que le lecteur est familier avec les bases du NLP et qu'il possède des compétences fondamentales en Python, ainsi que des connaissances de base en apprentissage automatique, en calcul et en algèbre linéaire de premier cycle.

Les lecteurs qui peuvent bénéficier le plus de ce livre sont :

Les développeurs ML intermédiaires qui sont familiers avec les bases de l'apprentissage supervisé et les techniques d'apprentissage profond.

Les professionnels qui utilisent déjà TensorFlow/Python à des fins telles que la science des données, la ML, la recherche et l'analyse.

Autres informations sur le livre :

• ISBN : 9781800200937
• Auteur : Ashish Bansal
• Éditeur : Packt Pub
• Reliure : Broché