دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Natural Language Processing (Instructor's Solution Manual) (Solutions)
دانلود کتاب مقدمه ای بر پردازش زبان طبیعی (راهنمای راه حل های مربی) (راه حل ها)
مشخصات کتاب
Introduction to Natural Language Processing (Instructor's Solution Manual) (Solutions)
ویرایش: [1 ed.]
نویسندگان: Jacob Eisenstein
سری: Adaptive Computation and Machine Learning series
ISBN (شابک) : 0262042843, 9780262042840
ناشر: The MIT Press
سال نشر: 2019
تعداد صفحات: 83
زبان: English
فرمت فایل : 7Z (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 Mb
قیمت کتاب (تومان) : 43,000
در صورت تبدیل فایل کتاب Introduction to Natural Language Processing (Instructor's Solution Manual) (Solutions) 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 مقدمه ای بر پردازش زبان طبیعی (راهنمای راه حل های مربی) (راه حل ها) 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.
توضیحاتی در مورد کتاب مقدمه ای بر پردازش زبان طبیعی (راهنمای راه حل های مربی) (راه حل ها)
بررسی روش‌های محاسباتی برای درک، تولید و دستکاری زبان انسانی، که ترکیبی از نمایش‌ها و الگوریتم‌های کلاسیک را با تکنیک‌های یادگیری ماشینی معاصر ارائه می‌دهد. این کتاب درسی دیدگاهی فنی در مورد پردازش زبان طبیعی ارائه می‌کند - روش‌هایی برای ساختن نرم‌افزار رایانه‌ای که زبان انسان را درک، تولید و دستکاری می‌کند. این روش بر رویکردهای داده محور معاصر، تمرکز بر تکنیک های یادگیری ماشینی تحت نظارت و بدون نظارت تاکید دارد. بخش اول با ساختن مجموعه‌ای از ابزارها که در سرتاسر کتاب مورد استفاده قرار می‌گیرد و استفاده از آن‌ها در تحلیل متنی مبتنی بر کلمه، پایه‌ای را در یادگیری ماشین ایجاد می‌کند. بخش دوم بازنمایی های ساختار یافته زبان، از جمله دنباله ها، درختان و نمودارها را معرفی می کند. بخش سوم رویکردهای مختلف برای بازنمایی و تحلیل معنای زبانی را بررسی می‌کند، از منطق صوری تا جاسازی کلمات عصبی. بخش پایانی درمان‌های طول فصل از سه کاربرد تحول‌آفرین پردازش زبان طبیعی را ارائه می‌دهد: استخراج اطلاعات، ترجمه ماشینی و تولید متن. تمرینات پایان فصل شامل تحلیل کاغذ و مداد و پیاده سازی نرم افزار می شود. این متن یک ادبیات تحقیقاتی گسترده و متنوع را ترکیب و تقطیر می‌کند و تکنیک‌های یادگیری ماشینی معاصر را با مبانی زبانی و محاسباتی این رشته پیوند می‌دهد. این برای استفاده در دوره های پیشرفته در مقطع کارشناسی و کارشناسی ارشد و به عنوان مرجعی برای مهندسان نرم افزار و دانشمندان داده مناسب است. خوانندگان باید پیشینه ای در برنامه نویسی کامپیوتر و ریاضیات در سطح دانشگاه داشته باشند. پس از تسلط بر مطالب ارائه شده، دانش آموزان مهارت فنی برای ساخت و تجزیه و تحلیل سیستم های جدید پردازش زبان طبیعی و درک آخرین تحقیقات در این زمینه را خواهند داشت.
توضیحاتی درمورد کتاب به خارجی
A survey of computational methods for understanding, generating, and manipulating human language, which offers a synthesis of classical representations and algorithms with contemporary machine learning techniques. This textbook provides a technical perspective on natural language processing—methods for building computer software that understands, generates, and manipulates human language. It emphasizes contemporary data-driven approaches, focusing on techniques from supervised and unsupervised machine learning. The first section establishes a foundation in machine learning by building a set of tools that will be used throughout the book and applying them to word-based textual analysis. The second section introduces structured representations of language, including sequences, trees, and graphs. The third section explores different approaches to the representation and analysis of linguistic meaning, ranging from formal logic to neural word embeddings. The final section offers chapter-length treatments of three transformative applications of natural language processing: information extraction, machine translation, and text generation. End-of-chapter exercises include both paper-and-pencil analysis and software implementation. The text synthesizes and distills a broad and diverse research literature, linking contemporary machine learning techniques with the field's linguistic and computational foundations. It is suitable for use in advanced undergraduate and graduate-level courses and as a reference for software engineers and data scientists. Readers should have a background in computer programming and college-level mathematics. After mastering the material presented, students will have the technical skill to build and analyze novel natural language processing systems and to understand the latest research in the field.
