Análisis de textos con Python: Guía práctica para el procesamiento del lenguaje natural

Opiniones de los lectores

El libro es elogiado por su estilo de escritura claro y conversacional, la cobertura exhaustiva de los conceptos de PNL y ciencia de datos, y su valor educativo. Sin embargo, adolece de ejemplos de código obsoletos, contenido repetitivo, errores de impresión y falta de claridad en algunas áreas, lo que disminuye su eficacia general como libro de texto.

⬤ Redacción clara y coloquial
⬤ Contenido exhaustivo sobre PNL y ciencia de datos
⬤ Muchos ejemplos de código
⬤ Muy recomendable para los entusiastas del análisis de textos
⬤ Buenas explicaciones y lenguaje lúcido.

⬤ Ejemplos de código anticuados que a menudo no funcionan
⬤ Contenido repetitivo en todos los capítulos
⬤ Errores de impresión y gráficos en escala de grises
⬤ Algunos lectores lo encontraron aburrido y excesivamente verboso.

(basado en 11 opiniones de lectores)

Título original:

Text Analytics with Python: A Practitioner's Guide to Natural Language Processing

Contenido del libro:

Aproveche el procesamiento del lenguaje natural (PLN) en Python y aprenda a configurar su propio entorno robusto para realizar análisis de texto. Esta segunda edición ha sido objeto de una importante renovación e introduce varios cambios significativos y nuevos temas basados en las tendencias recientes en PLN.

Verá cómo utilizar los últimos marcos de última generación en PLN, junto con modelos de aprendizaje automático y aprendizaje profundo para el análisis supervisado de sentimientos con Python para resolver casos prácticos reales. Empezaremos repasando los fundamentos de Python para la PLN en cadenas y datos de texto y pasaremos a los métodos de representación de ingeniería para datos de texto, incluidos los modelos estadísticos tradicionales y los nuevos modelos de incrustación basados en aprendizaje profundo. También se discuten técnicas mejoradas y nuevos métodos en torno al análisis sintáctico y el procesamiento de texto.

Se han revisado los modelos de resumen de texto y de temas, de modo que el libro muestra cómo construir, ajustar e interpretar modelos de temas en el contexto de un conjunto de datos de interés sobre ponencias de conferencias NIPS. Además, el libro cubre las técnicas de similitud de texto con un ejemplo real de recomendadores de películas, junto con el análisis de sentimientos mediante técnicas supervisadas y no supervisadas.

También hay un capítulo dedicado al análisis semántico en el que verás cómo construir tu propio sistema de reconocimiento de entidades con nombre (NER) desde cero. Aunque la estructura general del libro sigue siendo la misma, todo el código base, los módulos y los capítulos se han actualizado a la última versión de Python 3.x.

Lo que aprenderá

- Comprender la PNL y la sintaxis, la semántica y la estructura del texto- Descubrir la limpieza de texto y la ingeniería de características- Revisar la clasificación de texto y la agrupación de texto- Evaluar el resumen de texto y los modelos temáticos- Estudiar el aprendizaje profundo para la PNL.

A quién va dirigido este libro

Profesionales de TI, analistas de datos, desarrolladores, expertos lingüistas, científicos e ingenieros de datos y, básicamente, cualquier persona con un gran interés en la lingüística, el análisis y la generación de conocimientos a partir de datos textuales.