Hands-on Question Answering Systems with BERT: Applications in Neural Networks and Natural Language Processing

درباره نحوه استفاده از BERT (بازنمایی‌های رمزگذار دوطرفه از ترانسفورماتورها) برای توسعه سیستم‌های پاسخگویی به سؤال (QA) با استفاده از پردازش زبان طبیعی (NLP) و یادگیری عمیق، به طور عملی اطلاعات کسب کنید.

کتاب با مروری بر چشم انداز فناوری پشت BERT آغاز می شود. این شما را با اصول NLP آشنا می‌کند، از جمله درک زبان طبیعی با نشانه‌سازی، ریشه‌یابی، و واژه‌سازی و مجموعه‌ای از کلمات. در مرحله بعد، شبکه‌های عصبی NLP را با انواع آن مانند شبکه‌های عصبی مکرر، رمزگذارها و رمزگشاها، رمزگذارها و رمزگشاهای دوطرفه و مدل‌های ترانسفورماتور بررسی خواهید کرد. در طول مسیر، جاسازی کلمات و انواع آنها را همراه با اصول BERT پوشش خواهید داد.

بعد از این پایه مستحکم، آماده خواهید بود که در الگوریتم‌های BERT مانند مدل‌های زبان ماسک‌دار و پیش‌بینی جملات بعدی به بررسی عمیق بپردازید. انواع مختلف BERT را مشاهده خواهید کرد که به دنبال آن یک مثال عملی از یک سیستم پاسخگویی به سوال ارائه می شود.

سیستم های پاسخگویی عملی به پرسش با BERT نقطه شروع خوبی برای توسعه دهندگان و دانشمندان داده است که می خواهند سیستم های NLP را با استفاده از BERT توسعه و طراحی کنند. این راهنمای گام به گام برای استفاده از BERT ارائه می دهد.

آنچه خواهید آموخت

• اصول جاسازی کلمات را بررسی کنید
• از شبکه های عصبی و BERT برای کارهای مختلف NLP استفاده کنید
یک سیستم پاسخگویی به سوال از ابتدا ایجاد کنید
• سیستم های پاسخگویی به سوال را برای داده های خود آموزش دهید

این کتاب برای چه کسی است b>

توسعه دهندگان هوش مصنوعی و یادگیری ماشین و توسعه دهندگان پردازش زبان طبیعی.

Get hands-on knowledge of how BERT (Bidirectional Encoder Representations from Transformers) can be used to develop question answering (QA) systems by using natural language processing (NLP) and deep learning.

The book begins with an overview of the technology landscape behind BERT. It takes you through the basics of NLP, including natural language understanding with tokenization, stemming, and lemmatization, and bag of words. Next, you’ll look at neural networks for NLP starting with its variants such as recurrent neural networks, encoders and decoders, bi-directional encoders and decoders, and transformer models. Along the way, you’ll cover word embedding and their types along with the basics of BERT.

After this solid foundation, you’ll be ready to take a deep dive into BERT algorithms such as masked language models and next sentence prediction. You’ll see different BERT variations followed by a hands-on example of a question answering system.

Hands-on Question Answering Systems with BERT is a good starting point for developers and data scientists who want to develop and design NLP systems using BERT. It provides step-by-step guidance for using BERT.

What You Will Learn

• Examine the fundamentals of word embeddings
• Apply neural networks and BERT for various NLP tasks
Develop a question-answering system from scratch
• Train question-answering systems for your own data

Who This Book Is For

AI and machine learning developers and natural language processing developers.