Нейросетевые методы в обработке естественного 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. ...

Жанры

Рейтинг LiveLib

3,7

3 оценки

5
0%
4
67%
3
33%
2
0%
1
0%

Ваша оценка

Прочитали 5Хотят прочитать 16

Рецензии

dopadkar
23 августа 2019
Шевелим нейронами
Прекрасная книга. Точно и ясно рассказывается обо всех этапах подготовки признаков до применения всевозможных нейросетей. жаль, что хорошо изложенная теория не подкреплена примерами кода. Если владеешь TensorFlow, то все можно реализовать самостоятельно.
4 понравилось
0
287
RoveroPreface
11 октября 2019
За такими книгами - будущее
Интересуюсь всем про что речь в этой книге, и не могу не заметить что сейчас крайне мало подобных книг. Не то что бы мало а практически вообще нет. А ведь нейросети уже не завтрашние технологии а можно сказать вчерашние
Не могу понять иногда, почему нет книг наших авторов по данной теме. Ведь у нас создали удачные проекты на нейросетях для социалок и другие подобные программы. А фундаментального труда как не было так и нет.
Государство должно посмотреть на эту проблему более глобально и найти средства для развития технологий.
Книга конечно не для широкого круга читателей, больше для специалистов. Но написано интересно
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.
Читать далее
0
154