Procesamiento aplicado del lenguaje natural en la empresa: Enseñar a las máquinas a leer, escribir y comprender

Opiniones de los lectores

El libro ofrece un enfoque práctico del aprendizaje de la PNL centrado en aplicaciones del mundo real, lo que lo hace adecuado para usuarios no académicos. Sin embargo, adolece de falta de ejemplos claros y de código mal documentado, lo que le resta eficacia.

⬤ Enfoque práctico en la resolución de problemas del mundo real.
⬤ Actualizado con la tecnología PNL actual.
⬤ Organización y redacción claras.
⬤ Valioso para no académicos que quieran aplicar la PNL en los negocios.

⬤ Los ejemplos a menudo no funcionan según lo previsto.
⬤ Escasa documentación del código fuente y de los conjuntos de datos.
⬤ Muchos usuarios encontraron que la aplicación práctica carecía de visualizaciones y claridad.
⬤ Algunos lectores consideraron que habían malgastado su dinero debido a la insuficiencia de ejemplos reales.

(basado en 8 opiniones de lectores)

Título original:

Applied Natural Language Processing in the Enterprise: Teaching Machines to Read, Write, and Understand

Contenido del libro:

La popularidad de la PLN se ha disparado en los últimos años. Pero mientras Google, Facebook, OpenAI y otros siguen lanzando modelos lingüísticos más grandes, muchos equipos siguen teniendo dificultades para crear aplicaciones de PNL que estén a la altura de las expectativas. Esta guía práctica le ayudará a ponerse al día sobre las últimas y más prometedoras tendencias en PLN.

Con unos conocimientos básicos de aprendizaje automático y algo de experiencia con Python, aprenderá a crear, entrenar y desplegar modelos para aplicaciones reales en su organización. Los autores Ankur Patel y Ajay Uppili Arasanipalai le guiarán a través del proceso utilizando código y ejemplos que destacan las mejores prácticas de la PNL moderna.

⬤ Utilice los modelos de PNL más avanzados, como BERT y GPT-3, para resolver tareas de PNL como el reconocimiento de entidades con nombre, la clasificación de textos, la búsqueda semántica y la comprensión lectora.

⬤ Entrenar modelos de PLN con un rendimiento comparable o superior al de los sistemas listos para usar.

⬤ Aprenda sobre la arquitectura Transformer y trucos modernos como el aprendizaje por transferencia que han irrumpido con fuerza en el mundo de la PNL.

⬤ Familiarícese con las herramientas del oficio, incluyendo spaCy, Hugging Face y fast. ai.

⬤ Construir partes fundamentales de la tubería NLP - incluyendo tokenizers, incrustaciones, y modelos de lenguaje - desde cero usando Python y PyTorch.

⬤ Saque sus modelos de los cuadernos Jupyter y aprenda a implementarlos, supervisarlos y mantenerlos en producción.