Гольдберг Й. Нейросетевые методы в обработке естественного языка

Доступное введение в NLP и машинное обучение для тех, кто только начинает изучение той или другой дисциплины .Нейронные сети прямого распространения .Работа с данными естественного языка .Отношения между словами в контексте .Языковое моделирование .Моделирование деревьев с помощью рекурсивных нейронных сетей .Знакомство с предпосылками, терминологией, инструментами и методиками, необходимыми для понимания принципов, лежащих в основе нейросетевых моделей языка .Полезные и нестандартные пути применения современных технологий к задачам обработки языка .Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing - NLP). .В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается также абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек. .Во второй части вводятся более специализированные нейросетевые архитектуры, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Эти архитектуры и методы - движущая сила современных алгоритмов машинного перевода, синтаксического анализа и многих других приложений. Наконец, обсуждаются древовидные сети, структурное предсказание и перспективы многозадачного обучения. .Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей. .

Гольдберг Й. Нейросетевые методы в обработке естественного языка

Доступное введение в NLP и машинное обучение для тех, кто только начинает изучение той или другой дисциплины .Нейронные сети прямого распространения .Работа с данными естественного языка .Отношения между словами в контексте .Языковое моделирование .Моделирование деревьев с помощью рекурсивных нейронных сетей .Знакомство с предпосылками, терминологией, инструментами и методиками, необходимыми для понимания принципов, лежащих в основе нейросетевых моделей языка .Полезные и нестандартные пути применения современных технологий к задачам обработки языка .Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing - NLP). .В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается также абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек. .Во второй части вводятся более специализированные нейросетевые архитектуры, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Эти архитектуры и методы - движущая сила современных алгоритмов машинного перевода, синтаксического анализа и многих других приложений. Наконец, обсуждаются древовидные сети, структурное предсказание и перспективы многозадачного обучения. .Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей. .

Гольдберг Йоав Нейросетевые методы в обработке естественного языка

Доступное введение в NLP и машинное обучение для тех, кто только начинает изучение той или другой дисциплины Нейронные сети прямого распространения Работа с данными естественного языка Отношения между словами в контексте Языковое моделирование Моделирование деревьев с помощью рекурсивных нейронных сетей Знакомство с предпосылками, терминологией, инструментами и методиками, необходимыми для понимания принципов, лежащих в основе нейросетевых моделей языка Полезные и нестандартные пути применения современных технологий к задачам обработки языка Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing - NLP). В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается также абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек. Во второй части вводятся более специализированные нейросетевые архитектуры, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Эти архитектуры и методы - движущая сила современных алгоритмов машинного перевода, синтаксического анализа и многих других приложений. Наконец, обсуждаются древовидные сети, структурное предсказание и перспективы многозадачного обучения. Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей.

Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Обработка текстов на естественном языке (Natural Language Processing, NLP) — крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch — библиотеку глубокого обучения для языка Python — один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP.Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста.В этой книге• Вычислительные графы и парадигма обучения с учителем.• Основы оптимизированной библиотеки PyTorch для работы с тензорами.• Обзор традиционных понятий и методов NLP.• Упреждающие нейронные сети (многослойный перцептрон и другие).• Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков • Предсказание и модели преобразования последовательностей.• Паттерны проектирования NLP-систем, используемых в продакшене.

Макмахан Б. Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Обработка текстов на естественном языке (Natural Language Processing, NLP) - крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch - библиотеку глубокого обучения для языка Python - один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP. Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста. В этой книге: - Вычислительные графы и парадигма обучения с учителем; - Основы оптимизированной библиотеки PyTorch для работы с тензорами; - Обзор традиционных понятий и методов NLP; - Упреждающие нейронные сети (многослойный перцептрон и другие); - Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков; - Предсказание и модели преобразования последовательностей; - Паттерны проектирования NLP-систем, используемых в продакшене.

Макмахан Б. Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Обработка текстов на естественном языке (Natural Language Processing, NLP) - крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch - библиотеку глубокого обучения для языка Python - один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP. Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста. В этой книге: - Вычислительные графы и парадигма обучения с учителем; - Основы оптимизированной библиотеки PyTorch для работы с тензорами; - Обзор традиционных понятий и методов NLP; - Упреждающие нейронные сети (многослойный перцептрон и другие); - Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков; - Предсказание и модели преобразования последовательностей; - Паттерны проектирования NLP-систем, используемых в продакшене.

Грас Джоэл Data Science. Наука о данных с нуля

Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы k ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce. Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на "реальные", добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц. 2-е издание.

Грас Джоэл Data Science. Наука о данных с нуля

Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы А; ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce.Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на «реальные», добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц.

Грас Д. Data Science. Наука о данных с нуля

Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы А; ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce. Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на «реальные», добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц.

Грас Д. Data Science. Наука о данных с нуля

Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы А; ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce. Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на «реальные», добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц.

Обработка естественного языка в действии

Последние достижения в области глубокого обучения позволяют создавать приложения, с исключительной точностью распознающие текст и речь. Что в результате? Появляются чат-боты, ведущие диалог не хуже реальных людей, программы, эффективно подбирающие резюме под заданную вакансию, развивается превосходный предиктивный поиск, автоматически генерируются аннотации документов. Благодаря новым приемам и инструментам, таким как Keras и Tensorflow, сегодня возможно как никогда просто реализовать качественную обработку естественного языка (NLP).«Обработка естественного языка в действии» станет вашим руководством по созданию программ, способных распознавать и интерпретировать человеческий язык. В издании рассказано, как с помощью готовых пакетов на языке Python извлекать из текста смыслы и адекватно ими распоряжаться. В книге дается расширенная трактовка традиционных методов NLP, что позволит задействовать нейронные сети, современные алгоритмы глубокого обучения и генеративные приемы при решении реальных задач, таких как выявление дат и имен, составление текстов и ответов на неожиданные вопросы.

Макмахан Брайан, Рао Делип Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Обработка текстов на естественном языке (Natural Language Processing, NLP) - крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch - библиотеку глубокого обучения для языка Python - один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP. Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста. В этой книге - Вычислительные графы и парадигма обучения с учителем. - Основы оптимизированной библиотеки PyTorch для работы с тензорами. - Обзор традиционных понятий и методов NLP. - Упреждающие нейронные сети (многослойный перцептрон и другие). - Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков - Предсказание и модели преобразования последовательностей. - Паттерны проектирования NLP-систем, используемых в продакшене.

Главные методы естественного оздоровления

Таулли Т. Основы искусственного интеллекта: нетехническое введение

Книга представляет собой увлекательное, нетехническое введение в такие важные понятия искусственного интеллекта (ИИ), как машинное обучение, глубокое обучение, обработка естественного языка, робототехника и многое другое. Проведено знакомство с историей и основными понятиями ИИ. Раскрыто значение данных как «топлива» для ИИ. Рассмотрены традиционные и продвинутые статистические методы машинного обучения, алгоритмы нейронных сетей для глубокого обучения, сферы применения разговорных роботов (чат-ботов), методы роботизации производственных процессов, технологии обработки естественного языка. Рассказано о применении языка Python и платформ TensorFlow и PyTorch при внедрении проектов ИИ. Освещены современные тренды ИИ: автономное вождение, милитаризация, технологическая безработица, изыскание новых лекарственных препаратов и другие. Книга предназначена для читателей без технического образования, таких как менеджеры, интересующиеся возможным применением ИИ.

Таулли Т. Основы искусственного интеллекта: нетехническое введение

Книга представляет собой увлекательное, нетехническое введение в такие важные понятия искусственного интеллекта (ИИ), как машинное обучение, глубокое обучение, обработка естественного языка, робототехника и многое другое. Проведено знакомство с историей и основными понятиями ИИ. Раскрыто значение данных как «топлива» для ИИ. Рассмотрены традиционные и продвинутые статистические методы машинного обучения, алгоритмы нейронных сетей для глубокого обучения, сферы применения разговорных роботов (чат-ботов), методы роботизации производственных процессов, технологии обработки естественного языка. Рассказано о применении языка Python и платформ TensorFlow и PyTorch при внедрении проектов ИИ. Освещены современные тренды ИИ: автономное вождение, милитаризация, технологическая безработица, изыскание новых лекарственных препаратов и другие. Книга предназначена для читателей без технического образования, таких как менеджеры, интересующиеся возможным применением ИИ.

Ганегедара Тушан Обработка естественного языка с TensorFlow

Обработка естественного языка применяется в различных приложениях машинного обучения, а TensorFlow является важнейшей библиотекой для реализации систем глубокого обучения на практике. Эта книга знакомит читателя с методами обработки естественного языка и содержит практическое руководство по работе с TensorFlow, предоставляя мощный инструмент для работы с огромными объемами неструктурированных данных и решения уникальных задач по обработке естественного языка. Книга начинается с изучения общих понятий NLP и принципа работы TensorFlow. Затем вы узнаете, как использовать технологию World2vec и ее расширения для создания представлений, превращающих последовательности слов в числовые векторы, понятные алгоритмам глубокого обучения, таким, как сверточные и рекуррентные нейросети, и рассмотрите примеры решения задач по классификации предложений и генерации текста. Вы научитесь применять продвинутые рекуррентные модели, включая ячейки с долгой краткосрочной памятью в приложениях для обработки естественного языка. Наконец, вы самостоятельно создадите с нуля систему нейронного машинного перевода. Прочитав эту книгу, вы получите не только понимание теоретических основ, но и практические навыки по применению TensorFlow в приложениях глубокого обучения для обработки естественного языка.