Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка
Авторы: Бенгфорт Б., Билбро Р., Охеда Т.
Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения.
Нейронные сети способны решать самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод, «беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диалога.
Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем, а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский? Ответ кроется в мелочах – в алгоритмах, которые правильно работают в теории, но сложно реализуются на практике.
Научитесь применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных вы перейдете к приемам классификации и кластеризации текстов, затем приступите к визуальной интерпретации, анализу графов, а после знакомства с приемами масштабирования научитесь использовать глубокое обучение для анализа текста.
#python #pythonbook #free
Скачать: https://ulnk.eu/tbQuM
unicoding
#1 https://unicoding.dev/post/369...._testirovshik-s-nuly
#2 https://unicoding.dev/post/370...._testirovshik-s-nuly
#3 https://unicoding.dev/post/371...._testirovshik-s-nuly
#4 https://unicoding.dev/post/372...._testirovshik-s-nuly
#5 https://unicoding.dev/post/381...._testirovshik-s-nuly
#6 https://unicoding.dev/post/388...._testirovshik-s-nuly
Удалить комментарий
Вы уверены, что хотите удалить этот комментарий?