Aprendizaje profundo para el procesamiento del lenguaje natural: Creación de redes neuronales con Python

Opiniones de los lectores

El libro proporciona una guía práctica sobre el uso de TensorFlow y Keras para tareas de Procesamiento del Lenguaje Natural, ofreciendo ejemplos detallados y una variedad de fragmentos de código. Es adecuado para lectores con conocimientos básicos de estos frameworks que deseen aplicarlos a aplicaciones de PLN.

Ofrece ejemplos prácticos, montones de fragmentos de código, cubre tareas básicas y avanzadas de PLN, adecuado para quienes estén familiarizados con TensorFlow y Keras, incluye instrucciones de instalación.

Puede no ser adecuado para principiantes completos en TensorFlow y Keras, ya que asume conocimientos previos.

(basado en 1 opiniones de lectores)

Título original:

Deep Learning for Natural Language Processing: Creating Neural Networks with Python

Contenido del libro:

Capítulo 1: Introducción a la PNL y al aprendizaje profundoObjetivo del capítulo: Introducción de los conceptos de aprendizaje profundo y PNL, explicación de la evolución del aprendizaje profundo y comparación del aprendizaje profundo con otras técnicas de aprendizaje automático en PythonNúmero de páginas: 50-60Sub -Temas1. Marco de aprendizaje profundo - Visión general2. Comparación con otras técnicas de aprendizaje automático3. Por qué Python para el aprendizaje profundo4. Bibliotecas de aprendizaje profundo5. NLP- Una visión general6. Introducción al Deep Learning para NLP.

Capítulo 2: Representaciones de vectores de palabrasObjetivo del capítulo: Introducción a la representación básica y avanzada de vectores de palabrasNúmero de páginas: 50-60Sub - Temas 1. Visión general de las representaciones vectoriales de palabras simples: word2vec, Glove2. 2. Representaciones vectoriales de palabras avanzadas: Representaciones de palabras mediante contexto global y prototipos de palabras múltiples3. Métodos de evaluación para la incrustación no supervisada de palabras.

Capítulo 3: Redes neuronales y retropropagación Objetivo del capítulo: Redes neuronales para el reconocimiento de entidades con nombreNúmero de páginas: 50-60Sub - Temas: 1. Aprendizaje de representaciones mediante retropropagación de errores2. Controles de gradiente, sobreajuste, regularización, funciones de activación.

Capítulo 4: Redes neuronales recurrentes, GRU, LSTM, CNNObjetivo del capítulo: Arquitecturas de aprendizaje profundo como RNN, CNN, LSTM y CNN en gran detalle con ejemplos adecuados de cada unaNúmero de páginas: 70-80Sub - Temas: 1. Modelo de lenguaje basado en redes neuronales recurrentes2. Introducción de GRU y LSTM3. Redes neuronales recurrentes para diferentes tareas4. CNN para identificación de objetos.

Capítulo 5: Desarrollo de un ChatbotObjetivo del capítulo: Los Chatbots son sistemas de inteligencia artificial con los que interactuamos a través de una interfaz de texto o voz. Nuestro objetivo es desarrollar e implementar un Chatbot para Facebook messenger. No de páginas: 50-60Sub - Temas: 1. Desarrollo de un Chatbot sencillo de contexto cerrado2. Despliegue usando el servidor gratuito "Heroku "3. Integración del modelo Seq2seq con el Chatbot4. Integración del modelo de Identificación de Imágenes con el ChatbotCapítulo 6: Interacción del Aprendizaje por Refuerzo y el ChatbotObjetivo del capítulo: Explicación detallada del concepto de Aprendizaje por Refuerzo y uno de los estudios de caso/trabajos de investigación prevalentes sobre las aplicaciones del Aprendizaje por Refuerzo para ChatbotNúmero de páginas: 20-30Sub - Temas: 1. Introducción al aprendizaje por refuerzo2. Aplicaciones actuales del Aprendizaje por Refuerzo para Chatbot3. Explicación detallada de uno de los trabajos de investigación sobre aplicaciones de Aprendizaje por Refuerzo para Chatbot.