دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications
دانلود کتاب کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید
مشخصات کتاب
The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications
ویرایش: نویسندگان: Krishna Sankar, Jeffrey Jackovich, Ruze Richards سری: ISBN (شابک) : 180020874X, 9781800208742 ناشر: Packt Publishing سال نشر: 2020 تعداد صفحات: 383 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 35 مگابایت
قیمت کتاب (تومان) : 35,000
در صورت تبدیل فایل کتاب The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications 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 کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید 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 کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید
یاد بگیرید چگونه سرویس های ذخیره سازی ساده آمازون را با
پروژه های هوش مصنوعی و NLP ادغام کنید
با محاسبات بدون سرور و برنامه های کاربردی آن آشنا شوید
برنامه های هوشمندی مانند چت بات ها و تشخیص تصویر ایجاد
کنید. models
با کمک فعالیت‌های جذاب، یاد بگیرید که چگونه از خدمات وب آمازون برای ساخت برنامه‌های هوشمند بدون سرور استفاده کنید که می‌توانند اطلاعات را در کمترین زمان پردازش کنند
ویژگی‌های کلیدی
< ul>توضیحات کتاب
آیا مجذوب برنامه‌هایی مانند الکسا و سیری هستید و اینکه چگونه اطلاعات را در عرض چند ثانیه قبل از ارائه نتایج دقیق پردازش می‌کنند؟ آیا به دنبال راهنمای عملی هستید که به شما یاد دهد چگونه اپلیکیشن های هوشمندی بسازید که می توانند دنیای هوش مصنوعی را متحول کنند؟ کارگاه کاربردی هوش مصنوعی و NLP شما را به یک سفر عملی می برد که در آن یاد خواهید گرفت که چگونه برنامه های هوش مصنوعی (AI) و پردازش زبان طبیعی (NLP) را با خدمات وب آمازون (AWS) بسازید.
شروع با این کتاب که مقدمه ای بر هوش مصنوعی و یادگیری ماشینی است، نحوه عملکرد Amazon S3 یا سرویس ذخیره سازی ساده آمازون را توضیح می دهد. سپس هوش مصنوعی را با AWS ادغام خواهید کرد تا خدمات بدون سرور بسازید و از سرویس NLP آمازون Comprehend برای انجام تجزیه و تحلیل متن روی یک سند استفاده کنید. همانطور که پیش می روید، این کتاب به شما کمک می کند تا با مدل سازی موضوعات برای استخراج و تجزیه و تحلیل مضامین رایج در مجموعه ای از اسناد با موضوعات ناشناخته آشنا شوید. همچنین می‌توانید با آمازون Lex برای ایجاد و سفارشی‌سازی یک ربات چت برای اتوماسیون وظایف و استفاده از شناسایی آمازون برای تشخیص اشیا، صحنه‌ها و متن در تصاویر کار کنید.
تا پایان کارگاه آموزشی هوش مصنوعی و NLP کاربردی، شما به دانش و مهارت های مورد نیاز برای ساخت برنامه های هوشمند مقیاس پذیر با AWS مجهز خواهید شد.
آنچه یاد خواهید گرفت
- اصولات هوش مصنوعی، ML و AWS را درک کنید.
- کاوش در خط فرمان AWS، رابط آن و برنامه های آن
- وارد کردن و صادرات داده ها به Amazon S3
- انجام مدل سازی موضوع بر روی مجموعه ای از اسناد برای تجزیه و تحلیل تم های رایج
- یک ربات چت سفارشی ایجاد کنید تا آخرین قیمت های بازار سهام را دریافت کنید
- یک مرکز تماس شخصی ایجاد کنید و آن را به چت بات متصل کنید
Who این کتاب برای
اگر شما یک علاقه‌مند به یادگیری ماشین، دانشمند داده یا برنامه‌نویس هستید که می‌خواهید قابلیت‌های هوش مصنوعی و یادگیری ماشین AWS را بررسی کنید، این کتاب برای شما مناسب است. اگرچه ضروری نیست، اما درک اولیه AI و NLP به درک سریع موضوعات کلیدی کمک می کند.
فهرست محتوا
- مقدمه ای بر AWS
- تجزیه و تحلیل اسناد و متن با پردازش زبان طبیعی
- مدلسازی موضوع و استخراج موضوع
- هوش مصنوعی مکالمه
- استفاده از گفتار با چت بات
- رایانه پردازش بینایی و تصویر
توضیحاتی درمورد کتاب به خارجی
With the help of engaging activities, learn how to leverage Amazon Web Services for building serverless intelligent applications that can process information in no time
Key Features
- Learn how to integrate Amazon's Simple Storage Services with AI and NLP projects
- Get to grips with serverless computing and its applications
- Create intelligent applications such as chatbots and image recognition models
Book Description
Are you fascinated with applications like Alexa and Siri and how they accurately process information within seconds before returning accurate results? Are you looking for a practical guide that will teach you how to build intelligent applications that can revolutionize the world of artificial intelligence? The Applied AI and NLP Workshop will take you on a practical journey where you will learn how to build artificial intelligence (AI) and natural language processing (NLP) applications with Amazon Web services (AWS).
Starting with an introduction to AI and machine learning, this book will explain how Amazon S3, or Amazon Simple Storage Service, works. You'll then integrate AI with AWS to build serverless services and use Amazon's NLP service Comprehend to perform text analysis on a document. As you advance, the book will help you get to grips with topic modeling to extract and analyze common themes on a set of documents with unknown topics. You'll also work with Amazon Lex to create and customize a chatbot for task automation and use Amazon Rekognition for detecting objects, scenes, and text in images.
By the end of The Applied AI and NLP Workshop, you'll be equipped with the knowledge and skills needed to build scalable intelligent applications with AWS.
What you will learn
- Grasp the fundamentals of AI, ML, and AWS
- Explore the AWS command line, its interface, and its applications
- Import and export data to Amazon S3
- Perform topic modeling on a set of documents to analyze common themes
- Develop a custom chatbot to get the latest stock market quotes
- Create a personal call center and connect it to the chatbot
Who this book is for
If you are a machine learning enthusiast, data scientist, or programmer who wants to explore AWS's artificial intelligence and machine learning capabilities, this book is for you. Although not necessary, a basic understanding of AI and NLP will assist with grasping key topics quickly.
Table of Contents
- An Introduction to AWS
- Analyzing Documents and Text with Natural Language Processing
- Topic Modeling and Theme Extraction
- Conversational Artificial Intelligence
- Using Speech with the Chatbot
- Computer Vision and Image Processing
فهرست مطالب
Cover FM Copyright Table of Contents Preface Chapter 1: An Introduction to AWS Introduction How Is AWS Special? What Is ML? What Is AI? What Is Amazon S3? Why Use S3? The Basics of Working on AWS with S3 AWS Free-Tier Account AWS Account Setup and Navigation Downloading the Support Materials for This Book A Word about Jupyter Notebooks Importing and Exporting Data into S3 How S3 Differs from a Filesystem Core S3 Concepts S3 Operations Data Replication The REST Interface Exercise 1.01: Using the AWS Management Console to Create an S3 Bucket Exercise 1.02: Importing and Exporting the File with Your S3 Bucket The AWS CLI Exercise 1.03: Configuring the CLI CLI Usage Recursion and Parameters Activity 1.01: Putting the Data into S3 with the CLI Using the AWS Console to Identify ML Services Exercise 1.04: Navigating the AWS Management Console Exercise 1.05: Testing the Amazon Comprehend API Features The Utility of the AWS Console Interface to AI Services Summary Chapter 2: Analyzing Documents and Text with Natural Language Processing Introduction Serverless Computing Amazon Lambda and Function as a Service Serverless Computing as an Approach Amazon Comprehend What Is an NLP Service? Using Amazon Comprehend to Inspect Text and Determine the Primary Language Exercise 2.01: Detecting the Dominant Language in a Text Document Using the Command-Line Interface Exercise 2.02: Detecting the Dominant Language in Multiple Documents by Using the CLI Extracting Information from a Set of Documents Detecting Named Entities—AWS SDK for Python (boto3) DetectEntities – Input and Output Exercise 2.03: Determining the Named Entities in a Document (the DetectEntities method) Exercise 2.04: Detecting Entities in a Set of Documents (Text Files) Detecting Key Phrases Exercise 2.05: Detecting Key Phrases Detecting Sentiments Exercise 2.06: Conducting Sentiment Analysis Setting Up a Lambda Function and Analyzing Imported Text Using Comprehend Integrating Comprehend and AWS Lambda for responsive NLP What Is AWS Lambda? What Does AWS Lambda Do? Lambda Function Anatomy Exercise 2.07: Setting Up a Lambda Function for S3 Exercise 2.08: Assigning Policies to S3_trigger to Access Comprehend Activity 2.01: Integrating Lambda with Amazon Comprehend to Perform Text Analysis Amazon Textract Exercise 2.09: Extracting Tax Information Using Amazon Textract Summary Chapter 3: Topic Modeling and Theme Extraction Introduction Topic Modeling with Latent Dirichlet Allocation (LDA) Basic LDA Example Why Use LDA? Amazon Comprehend—Topic Modeling Guidelines Exercise 3.01: Using Amazon Comprehend to Perform Topic Modeling on Two Documents with Known Topics Exercise 3.02: Performing Known Structure Analysis Programmatically Activity 3.01: Performing Topic Modeling on a Set of Documents with Unknown Topics Summary Chapter 4: Conversational Artificial Intelligence Introduction to Conversational AI Interaction Types Omnichannel What Is a Chatbot? What Is Natural Language Understanding? Core Concepts in a Nutshell Chatbot Utterances Intent Prompts Slot Fulfillment Best Practices for Designing Conversational AI Creating a Custom Chatbot A Bot That Recognizes an Intent and Filling a Slot Exercise 4.01: Creating a Bot That Will Recognize an Intent and Fill a Slot Natural Language Understanding Engine Lambda Function – Implementing Business Logic Exercise 4.02: Creating a Lambda Function to Handle Chatbot Fulfillment Implementing the Lambda Function Input Parameter Structure Implementing the High-Level Handler Function Implementing the Function to Retrieve the Market Quote Returning the Information to the Calling App (the Chatbot) Connecting to the Chatbot Debugging Tips Summary Chapter 5: Using Speech with the Chatbot Amazon Connect Basics Free Tier Information Interacting with the Chatbot Talking to Your Chatbot through a Call Center Using Amazon Connect Exercise 5.01: Creating a Personal Call Center Exercise 5.02: Obtaining a Free Phone Number for Your Call Center Using Amazon Lex Chatbots with Amazon Connect Understanding Contact Flows Contact Flow Templates Exercise 5.03: Connecting the Call Center to Your Lex Chatbot Activity 5.01: Creating a Custom Bot and Connecting the Bot with Amazon Connect Summary Chapter 6: Computer Vision and Image Processing Introduction Amazon Rekognition Basics Free Tier Information on Amazon Rekognition Rekognition and Deep Learning Detecting Objects and Scenes in Images Exercise 6.01: Detecting Objects and Scenes Using Your Images Image Moderation Exercise 6.02: Detecting Objectionable Content in Images Facial Analysis Exercise 6.03: Analyzing Faces with Your Own Images Celebrity Recognition Exercise 6.04: Recognizing Celebrities in Your Images Face Comparison Activity 6.01: Creating and Analyzing Different Faces in Rekognition Text in Images Exercise 6.05: Extracting Text from Your Own Images Summary Appendix Index
