Análisis de texto aplicado con Python: Habilitación de productos de datos conscientes del lenguaje con aprendizaje automático

Opiniones de los lectores

El libro proporciona una introducción completa y práctica al procesamiento del lenguaje natural (PLN), ofreciendo valiosas perspectivas y ejemplos prácticos para quienes deseen iniciarse en el tema. Aunque ha sido bien recibido por programadores y profesionales experimentados, puede plantear dificultades a los principiantes debido a su complejidad y a su dependencia de la programación. Algunos lectores encontrarán algunos ejemplos de código frustrantes y no inmediatamente funcionales.

** Muy recomendable por su completa introducción a los conceptos de la PNL. ** Conciso y práctico, por lo que es fácil de leer de principio a fin. ** Buena cobertura de las metodologías y bibliotecas actuales de PNL, incluidas las aplicaciones prácticas. ** Sirve como un recurso útil para los codificadores experimentados y profesionales en el campo.

** Los ejemplos de código a menudo no funcionan a la primera, requiriendo modificaciones. ** Carece de suficientes explicaciones para principiantes, lo que dificulta la labor de los programadores menos experimentados. ** No funciona bien como referencia debido a su estilo de construcción acumulativo. ** No está disponible para Kindle Cloud Reader, lo que limita el acceso para algunos usuarios.

(basado en 14 opiniones de lectores)

Título original:

Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning

Contenido del libro:

Desde noticias y discursos hasta charlas informales en las redes sociales, el lenguaje natural es una de las fuentes de datos más ricas e infrautilizadas. No sólo se presenta en un flujo constante, siempre cambiante y adaptado al contexto, sino que también contiene información que no transmiten las fuentes de datos tradicionales.

La clave para desentrañar el lenguaje natural está en la aplicación creativa de la analítica de textos. Este libro práctico presenta el enfoque de un científico de datos para crear productos conscientes del lenguaje con aprendizaje automático aplicado. Aprenderá técnicas sólidas, repetibles y escalables para el análisis de texto con Python, incluida la ingeniería de características contextuales y lingüísticas, la vectorización, la clasificación, el modelado de temas, la resolución de entidades, el análisis de gráficos y la dirección visual.

Al final del libro, dispondrá de métodos prácticos para resolver cualquier problema complejo del mundo real. Preprocese y vectorice texto en representaciones de características de alta dimensión.

Realice la clasificación de documentos y el modelado de temas. Dirija el proceso de selección de modelos con diagnósticos visuales. Extraer frases clave, entidades con nombre y estructuras gráficas para razonar sobre los datos del texto.

Construir un marco de diálogo para habilitar los chatbots y la interacción basada en el lenguaje. Utilizar Spark para escalar la potencia de procesamiento y redes neuronales para escalar la complejidad del modelo.