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: Thushan Ganegedara
سری:
ISBN (شابک) : 1788478312, 9781788478311
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 472
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Natural Language Processing with TensorFlow 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 پردازش زبان طبیعی با TensorFlow 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.
پردازش زبان طبیعی (NLP) اکثر دادههای موجود را برای برنامههای یادگیری عمیق تامین میکند، در حالی که TensorFlow مهمترین چارچوب یادگیری عمیق در حال حاضر موجود است. پردازش زبان طبیعی با TensorFlow TensorFlow و NLP را در کنار هم قرار می دهد تا ابزارهای ارزشمندی را در اختیار شما قرار دهد تا با حجم عظیمی از داده های بدون ساختار در جریان های داده امروزی کار کنید و این ابزارها را برای وظایف خاص NLP به کار ببرید. Tuhhan Ganegedara با ارائه پایه ای به شما در NLP و اصول اولیه TensorFlow شروع می کند. سپس یاد خواهید گرفت که چگونه از Word2vec، از جمله پسوندهای پیشرفته، برای ایجاد جاسازی کلمات استفاده کنید که دنبالهای از کلمات را به بردارهای قابل دسترسی برای الگوریتمهای یادگیری عمیق تبدیل میکند. فصلهای مربوط به الگوریتمهای یادگیری عمیق کلاسیک، مانند شبکههای عصبی کانولوشن (CNN) و شبکههای عصبی تکراری (RNN)، وظایف مهم NLP را به عنوان طبقهبندی جملات و تولید زبان نشان میدهند. شما یاد خواهید گرفت که چگونه از مدل های RNN با کارایی بالا، مانند سلول های حافظه کوتاه مدت (LSTM) برای کارهای NLP استفاده کنید. شما همچنین ترجمه ماشین عصبی را بررسی کرده و یک مترجم ماشین عصبی را پیاده سازی خواهید کرد. پس از خواندن این کتاب، درک درستی از NLP به دست خواهید آورد و مهارتهای کاربردی TensorFlow در برنامههای کاربردی NLP یادگیری عمیق و نحوه انجام وظایف خاص NLP را خواهید داشت. آنچه شما یاد خواهید گرفت • مفاهیم اصلی NLP و رویکردهای مختلف برای پردازش زبان طبیعی • نحوه حل وظایف NLP با استفاده از توابع TensorFlow برای ایجاد شبکه های عصبی • استراتژی هایی برای پردازش مقادیر زیادی از داده ها به صورت نمایش کلمه که می تواند توسط برنامه های کاربردی یادگیری عمیق استفاده شود • تکنیک های انجام طبقه بندی جملات و تولید زبان با استفاده از CNN و RNN • در مورد استفاده از RNN های پیشرفته پیشرفته، مانند حافظه کوتاه مدت، برای حل وظایف پیچیده تولید متن • نحوه نوشتن برنامه های ترجمه خودکار و پیاده سازی یک مترجم ماشین عصبی واقعی از ابتدا • روندها و نوآوری هایی که آینده را در NLP هموار می کنند
Natural language processing (NLP) supplies the majority of data available to deep learning applications, while TensorFlow is the most important deep learning framework currently available. Natural Language Processing with TensorFlow brings TensorFlow and NLP together to give you invaluable tools to work with the immense volume of unstructured data in today’s data streams, and apply these tools to specific NLP tasks. Thushan Ganegedara starts by giving you a grounding in NLP and TensorFlow basics. You'll then learn how to use Word2vec, including advanced extensions, to create word embeddings that turn sequences of words into vectors accessible to deep learning algorithms. Chapters on classical deep learning algorithms, like convolutional neural networks (CNN) and recurrent neural networks (RNN), demonstrate important NLP tasks as sentence classification and language generation. You will learn how to apply high-performance RNN models, like long short-term memory (LSTM) cells, to NLP tasks. You will also explore neural machine translation and implement a neural machine translator. After reading this book, you will gain an understanding of NLP and you'll have the skills to apply TensorFlow in deep learning NLP applications, and how to perform specific NLP tasks. What You Will Learn • Core concepts of NLP and various approaches to natural language processing • How to solve NLP tasks by applying TensorFlow functions to create neural networks • Strategies to process large amounts of data into word representations that can be used by deep learning applications • Techniques for performing sentence classification and language generation using CNNs and RNNs • About employing state-of-the art advanced RNNs, like long short-term memory, to solve complex text generation tasks • How to write automatic translation programs and implement an actual neural machine translator from scratch • The trends and innovations that are paving the future in NLP