دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Palash Goyal. Sumit Pandey سری: ISBN (شابک) : 148423684X, 9781484236840 ناشر: Apress سال نشر: 2018 تعداد صفحات: 290 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری عمیق برای پردازش زبان طبیعی: ایجاد شبکه های عصبی با پایتون: یادگیری ماشینی، شبکههای عصبی، یادگیری عمیق، پردازش زبان طبیعی، پایتون، چتباتها، شبکههای عصبی کانولوشن، شبکههای عصبی تکراری، تحلیل احساسات، Keras، TensorFlow، NLTK، Gensim، Perceptron، SpaCy، Word2vec، TextBlob، Stanford The CoreNLsP برنامه نویسی، برنامه نویسی، زبان شناسی محاسباتی
در صورت تبدیل فایل کتاب Deep Learning for Natural Language Processing: Creating Neural Networks with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری عمیق برای پردازش زبان طبیعی: ایجاد شبکه های عصبی با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مفاهیم یادگیری عمیق مورد استفاده برای پردازش زبان طبیعی (NLP) را با مثالهای کامل از مدلهای شبکه عصبی مانند شبکههای عصبی تکرارشونده، شبکههای حافظه کوتاهمدت بلندمدت و مدلهای دنباله ۲ دنباله کشف کنید. شما با پوشش دادن پیش نیازهای ریاضی و اصول یادگیری عمیق و NLP با مثالهای عملی شروع میکنید. سه فصل اول کتاب مبانی NLP را پوشش میدهد که با نمایش کلمه-بردار شروع میشود و سپس به الگوریتمهای پیشرفته میرویم. فصلهای پایانی کاملاً بر روی پیادهسازی تمرکز دارند و به معماریهای پیچیدهای مانند RNN، LSTM و Seq2seq با استفاده از ابزار پایتون: TensorFlow و Keras میپردازند. یادگیری عمیق برای پردازش زبان طبیعی از یک رویکرد پیشرو پیروی می کند و تمام دانشی را که به دست آورده اید برای ایجاد یک سیستم چت ربات پرسش و پاسخ ترکیب می کند. این کتاب نقطه شروع خوبی برای افرادی است که می خواهند یادگیری عمیق NLP را شروع کنند. تمام کدهای ارائه شده در کتاب در قالب نوت بوک ها و اسکریپت های IPython در دسترس خواهد بود که به شما امکان می دهد نمونه ها را امتحان کنید و آنها را به روش های جالبی گسترش دهید. آنچه شما یاد خواهید گرفت ● اصول یادگیری عمیق و پیش نیازهای ریاضی آن را به دست آورید ● چارچوب های یادگیری عمیق را در پایتون کشف کنید ● یک چت بات توسعه دهید ● یک مقاله تحقیقاتی در مورد طبقه بندی احساسات اجرا کنید این کتاب برای چه کسی است توسعه دهندگان نرم افزاری که کنجکاو هستند تا یادگیری عمیق را با NLP امتحان کنند.
Discover the concepts of deep learning used for natural language processing (NLP), with full-fledged examples of neural network models such as recurrent neural networks, long short-term memory networks, and sequence-2-sequence models. You’ll start by covering the mathematical prerequisites and the fundamentals of deep learning and NLP with practical examples. The first three chapters of the book cover the basics of NLP, starting with word-vector representation before moving onto advanced algorithms. The final chapters focus entirely on implementation, and deal with sophisticated architectures such as RNN, LSTM, and Seq2seq, using Python tools: TensorFlow, and Keras. Deep Learning for Natural Language Processing follows a progressive approach and combines all the knowledge you have gained to build a question-answer chatbot system. This book is a good starting point for people who want to get started in deep learning for NLP. All the code presented in the book will be available in the form of IPython notebooks and scripts, which allow you to try out the examples and extend them in interesting ways. What You Will Learn ● Gain the fundamentals of deep learning and its mathematical prerequisites ● Discover deep learning frameworks in Python ● Develop a chatbot ● Implement a research paper on sentiment classification Who This Book Is For Software developers who are curious to try out deep learning with NLP.