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
ویرایش:
نویسندگان: Thomas Dop
سری:
ISBN (شابک) : 9781789805536, 1789805538
ناشر: Packt Publishing Ltd
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Hands-On Natural Language Processing with PyTorch 1.x: Build smart, AI-driven linguistic applications using deep learning and NLP techniques 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 دستی پردازش زبان طبیعی با PyTorch 1.x: ساخت برنامه های زبانی هوشمند و مبتنی بر هوش مصنوعی با استفاده از یادگیری عمیق و تکنیک های NLP 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.
با توسعه مدلهای یادگیری عمیق برای NLP و استخراج بینشهای ارزشمند از دادههای ساختاریافته و بدون ساختار، به یک دانشمند داده ماهر NLP تبدیل شوید. مدل های پیشرفته NLP را با استفاده از PyTorch کاوش کنید برنامه های NLP خود را با شبکه های عصبی نوآورانه مانند RNN، LSTM و CNN بهبود دهید. پلتفرم ها، توانایی درک آن داده ها یک مهارت بسیار مهم است. با این کتاب، میآموزید که چگونه با ساختن مدلهای یادگیری عمیق برای وظایف پردازش زبان طبیعی (NLP)، بینشهای ارزشمند را از متن استخراج کنید. با درک نحوه نصب PyTorch و استفاده از CUDA برای افزایش سرعت پردازش، نحوه عملکرد معماری NLP را با کمک مثالهای عملی بررسی خواهید کرد. این کتاب PyTorch NLP شما را از طریق مفاهیم اصلی مانند جاسازی کلمه، CBOW و توکن سازی در PyTorch راهنمایی می کند. سپس تکنیک های پردازش داده های متنی را یاد خواهید گرفت و خواهید دید که چگونه می توان از یادگیری عمیق برای کارهای NLP استفاده کرد. این کتاب نحوه پیادهسازی معماریهای یادگیری عمیق و شبکههای عصبی را برای ساخت مدلهایی نشان میدهد که به شما امکان طبقهبندی و ترجمه متن و انجام تحلیل احساسات را میدهد. در نهایت، نحوه ساخت مدل های پیشرفته NLP، مانند چت ربات های مکالمه را یاد خواهید گرفت. در پایان این کتاب، شما نه تنها مشکلات مختلف NLP را که می توان با استفاده از یادگیری عمیق با PyTorch حل کرد، درک خواهید کرد، بلکه می توانید مدل هایی برای حل آنها بسازید. آنچه یاد خواهید گرفت استفاده از تکنیک های NLP برای درک، پردازش و تولید متن درک PyTorch، کاربردهای آن و نحوه استفاده از آن برای ساختن مدل های عمیق زبانی کاوش در طیف گسترده ای از معماری های یادگیری عمیق برای NLP توسعه مهارت هایی که برای پردازش و ارائه آن نیاز دارید. داده های NLP ساختاریافته و بدون ساختار با فناوری های پیشرفته و پیشرفت های جدید هیجان انگیز در حوزه NLP آشنا شوید ایجاد چت ربات با استفاده از شبکه های عصبی مبتنی بر توجه این کتاب برای چه کسی است این کتاب PyTorch برای توسعه دهندگان NLP، یادگیری ماشین است. و توسعه دهندگان یادگیری عمیق و هر کسی که علاقه مند به ساخت برنامه های زبان هوشمند با استفاده از رویکردهای سنتی NLP و معماری های یادگیری عمیق است. اگر به دنبال استفاده از تکنیک ها و مدل های مدرن NLP برای پروژه های توسعه خود هستید، این کتاب برای شما مناسب است. دانش کاری برنامه نویسی پایتون، همراه با دانش اولیه کار در وظایف NLP، مورد نیاز است.
Become a proficient NLP data scientist by developing deep learning models for NLP and extract valuable insights from structured and unstructured data Key Features Get to grips with word embeddings, semantics, labeling, and high-level word representations using practical examples Learn modern approaches to NLP and explore state-of-the-art NLP models using PyTorch Improve your NLP applications with innovative neural networks such as RNNs, LSTMs, and CNNs Book Description In the internet age, where an increasing volume of text data is generated daily from social media and other platforms, being able to make sense of that data is a crucial skill. With this book, you’ll learn how to extract valuable insights from text by building deep learning models for natural language processing (NLP) tasks. Starting by understanding how to install PyTorch and using CUDA to accelerate the processing speed, you’ll explore how the NLP architecture works with the help of practical examples. This PyTorch NLP book will guide you through core concepts such as word embeddings, CBOW, and tokenization in PyTorch. You’ll then learn techniques for processing textual data and see how deep learning can be used for NLP tasks. The book demonstrates how to implement deep learning and neural network architectures to build models that will allow you to classify and translate text and perform sentiment analysis. Finally, you’ll learn how to build advanced NLP models, such as conversational chatbots. By the end of this book, you’ll not only have understood the different NLP problems that can be solved using deep learning with PyTorch, but also be able to build models to solve them. What you will learn Use NLP techniques for understanding, processing, and generating text Understand PyTorch, its applications and how it can be used to build deep linguistic models Explore the wide variety of deep learning architectures for NLP Develop the skills you need to process and represent both structured and unstructured NLP data Become well-versed with state-of-the-art technologies and exciting new developments in the NLP domain Create chatbots using attention-based neural networks Who this book is for This PyTorch book is for NLP developers, machine learning and deep learning developers, and anyone interested in building intelligent language applications using both traditional NLP approaches and deep learning architectures. If you’re looking to adopt modern NLP techniques and models for your development projects, this book is for you. Working knowledge of Python programming, along with basic working knowledge of NLP tasks, is required.