Natural Language Processing Fundamentals for Developers

ویرایش:  
نویسندگان: Oswald Campesato  
سری:  
ISBN (شابک) : 1683926579, 9781683926573 
ناشر: Mercury Learning and Information 
سال نشر: 2021 
تعداد صفحات: 382 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 65,000

این کتاب برای توسعه دهندگانی است که به دنبال مروری بر مفاهیم اساسی در پردازش زبان طبیعی هستند. شبکه گسترده ای از تکنیک ها را برای کمک به توسعه دهندگانی که طیف وسیعی از زمینه های فنی دارند، ارائه می دهد. نمونه‌های کد و فهرست‌های متعددی برای پشتیبانی از موضوعات بی‌شمار گنجانده شده است. فصل اول جزئیات مختلفی از مدیریت داده‌ها را که برای NLP مرتبط هستند به شما نشان می‌دهد. جفت فصل بعدی شامل مفاهیم NLP است و به دنبال آن یک جفت فصل دیگر با نمونه کد پایتون برای نشان دادن آن مفاهیم NLP. فصل 6 به بررسی برنامه ها می پردازد، به عنوان مثال، تجزیه و تحلیل احساسات، سیستم های توصیه کننده، تجزیه و تحلیل COVID-19، تشخیص هرزنامه، و یک بحث کوتاه در مورد ربات های گفتگو. فصل آخر معماری ترانسفورماتور، مدل‌های مبتنی بر BERT و خانواده مدل‌های GPT را ارائه می‌کند که همگی در طول سه سال گذشته توسعه یافته‌اند و SOTA ("حالت هنر") در نظر گرفته شده‌اند. ضمیمه ها حاوی مطالب مقدماتی (شامل نمونه کدهای پایتون) در مورد عبارات منظم و احتمال/مفاهیم آماری هستند. فایل های همراه با کد منبع و ارقام گنجانده شده است. ویژگی ها:

• موضوعات گسترده مربوط به پردازش زبان طبیعی را پوشش می دهد


• شامل ضمیمه های جداگانه در مورد عبارات منظم و احتمال/آمار


• ویژگی فایل های همراه با کد منبع و ارقام از کتاب.

This book is for developers who are looking for an overview of basic concepts in Natural Language Processing. It casts a wide net of techniques to help developers who have a range of technical backgrounds. Numerous code samples and listings are included to support myriad topics. The first chapter shows you various details of managing data that are relevant for NLP. The next pair of chapters contain NLP concepts, followed by another pair of chapters with Python code samples to illustrate those NLP concepts. Chapter 6 explores applications, e.g., sentiment analysis, recommender systems, COVID-19 analysis, spam detection, and a short discussion regarding chatbots. The final chapter presents the Transformer architecture, BERT-based models, and the GPT family of models, all of which were developed during the past three years and considered SOTA (“state of the art”). The appendices contain introductory material (including Python code samples) on regular expressions and probability/statistical concepts. Companion files with source code and figures are included. FEATURES:

• Covers extensive topics related to natural language processing


• Includes separate appendices on regular expressions and probability/statistics


• Features companion files with source code and figures from the book.

NLPFD.Ch00.FM.pdf
NLPFD.Ch1.pdf
NLPFD.Ch2.pdf
NLPFD.Ch3.pdf
NLPFD.Ch4.pdf
NLPFD.Ch5.pdf
NLPFD.Ch6.pdf
NLPFD.Ch7.pdf
NLPFD.Ch8.AppA.pdf
NLPFD.Ch9.AppB.pdf