Обработка естественного языка в действии, 2-е изд.
Год издания: 2026
Автор: Лейн Х., Дышель М.
Переводчик: Киселев А.
Язык: Русский
Формат: PDF
Издательский макет
Интерактивное оглавление
Количество страниц: 736
Описание:
Последние достижения в области глубокого обучения позволяют создавать приложения, с исключительной точностью распознающие текст и речь. Что в результате? Появляются чат-боты, способные вести диалог не хуже реальных людей, программы, генерирующие персонализированные бизнес-отчеты, электронные письма, новости и даже романы.
«Обработка естественного языка в действии» — это практическое руководство для разработчиков, которые хотят превратить искусственный интеллект в инструмент, способный помогать людям и понимать их. Вы узнаете, как использовать Python, PyTorch, spaCy и современные архитектуры глубокого обучения для создания приложений, использующих обработку естественного языка (NLP), научитесь создавать чат-боты и системы поиска информации, использовать генеративные модели, а также защищать пользователей от дезинформации.
Второе издание было полностью переработано, теперь вы можете узнать о трансформерах BERT и Hugging Face, тонкой настройке больших языковых моделей и многом другом.
dumpz.ws
Год издания: 2026
Автор: Лейн Х., Дышель М.
Переводчик: Киселев А.
Язык: Русский
Формат: PDF
Издательский макет
Интерактивное оглавление
Количество страниц: 736
Часть I. Обработка слов: векторные модели естественного языка
Глава 1. Модели, которые читают и пишут: знакомство с технологией NLP. ...............................32
Глава 2. Знаки мысли: слова естественного языка. .................................................................80
Глава 3. Арифметика слов: векторы TF–IDF. ...........................................................................132
Глава 4. Поиск смысла слов по их частоте: семантический анализ. ..........................................180
Часть II. Более глубокое обучение: нейронные сети
Глава 5. Словесный мозг: нейронные сети..............................................................................230
Глава 6. Умозаключения на основе векторных представлений слов. .........................................267
Глава 7. Поиск крупиц знаний в тексте с помощью CNN. .........................................................322
Глава 8. Сокращение, повторное использование и переработка слов: RNN и LSTM. ...................373
Часть III. Поговорим серьезно: реальные задачи NLP
Глава 9. Наращиваемое глубокое обучение: трансформеры. ....................................................422
Глава 10. Большие языковые модели в реальном мире. ...........................................................481
Глава 11. Извлечение информации и графы знаний. ...............................................................550
Глава 12. Начинаем общаться: диалоговые системы. ...............................................................596
Приложения
Приложение А. Инструменты NLP. ...........................................................................................652
Приложение Б. Эксперименты с Python и регулярные выражения. ............................................664
Приложение В. Векторы и линейная алгебра............................................................................673
Приложение Г. Инструменты и методы машинного обучения. ....................................................690
Приложение Д. Развертывание контейнерных микросервисов NLU. ...........................................710
Приложение Е. Глоссарий. .....................................................................................................729
Глава 1. Модели, которые читают и пишут: знакомство с технологией NLP. ...............................32
Глава 2. Знаки мысли: слова естественного языка. .................................................................80
Глава 3. Арифметика слов: векторы TF–IDF. ...........................................................................132
Глава 4. Поиск смысла слов по их частоте: семантический анализ. ..........................................180
Часть II. Более глубокое обучение: нейронные сети
Глава 5. Словесный мозг: нейронные сети..............................................................................230
Глава 6. Умозаключения на основе векторных представлений слов. .........................................267
Глава 7. Поиск крупиц знаний в тексте с помощью CNN. .........................................................322
Глава 8. Сокращение, повторное использование и переработка слов: RNN и LSTM. ...................373
Часть III. Поговорим серьезно: реальные задачи NLP
Глава 9. Наращиваемое глубокое обучение: трансформеры. ....................................................422
Глава 10. Большие языковые модели в реальном мире. ...........................................................481
Глава 11. Извлечение информации и графы знаний. ...............................................................550
Глава 12. Начинаем общаться: диалоговые системы. ...............................................................596
Приложения
Приложение А. Инструменты NLP. ...........................................................................................652
Приложение Б. Эксперименты с Python и регулярные выражения. ............................................664
Приложение В. Векторы и линейная алгебра............................................................................673
Приложение Г. Инструменты и методы машинного обучения. ....................................................690
Приложение Д. Развертывание контейнерных микросервисов NLU. ...........................................710
Приложение Е. Глоссарий. .....................................................................................................729
Последние достижения в области глубокого обучения позволяют создавать приложения, с исключительной точностью распознающие текст и речь. Что в результате? Появляются чат-боты, способные вести диалог не хуже реальных людей, программы, генерирующие персонализированные бизнес-отчеты, электронные письма, новости и даже романы.
«Обработка естественного языка в действии» — это практическое руководство для разработчиков, которые хотят превратить искусственный интеллект в инструмент, способный помогать людям и понимать их. Вы узнаете, как использовать Python, PyTorch, spaCy и современные архитектуры глубокого обучения для создания приложений, использующих обработку естественного языка (NLP), научитесь создавать чат-боты и системы поиска информации, использовать генеративные модели, а также защищать пользователей от дезинформации.
Второе издание было полностью переработано, теперь вы можете узнать о трансформерах BERT и Hugging Face, тонкой настройке больших языковых моделей и многом другом.
Скрытое содержимое могут видеть только пользователи групп(ы): Premium, Местный, Свои
