Procesamiento del lenguaje natural en Python: Técnicas avanzadas de aprendizaje automático y aprendizaje profundo para el procesamiento del lenguaje natural

Opiniones de los lectores

El libro ha sido bien recibido por algunos lectores por sus explicaciones claras y su estructura adaptada a los principiantes, sobre todo a los que tienen conocimientos básicos de programación. Sin embargo, también ha recibido críticas por estar desactualizado, tener errores y carecer de profundidad en temas importantes.

⬤ Contenido bien estructurado que simplifica conceptos complejos
⬤ ejemplos relacionables
⬤ adecuado para principiantes con conocimientos básicos de programación
⬤ útil para adquirir conocimientos sobre técnicas de PNL.

⬤ Contenido desfasado que utiliza Python
⬤ 7
⬤ muchos errores y faltas
⬤ algunas secciones se perciben como inútiles
⬤ temas importantes como los analizadores sintácticos y el NER no se explican adecuadamente.

(basado en 5 opiniones de lectores)

Título original:

Python Natural Language Processing: Advanced machine learning and deep learning techniques for natural language processing

Contenido del libro:

Aproveche el poder del aprendizaje automático y el aprendizaje profundo para extraer información de los datos de texto

Características principales

⬤ Implemente técnicas de aprendizaje automático y aprendizaje profundo para un procesamiento eficiente del lenguaje natural.

⬤ Comience con NLTK e implemente NLP en sus aplicaciones con facilidad.

⬤ Entender e interpretar lenguajes humanos con el poder del análisis de texto a través de Python.

Descripción del libro

Este libro comienza sentando las bases del Procesamiento del Lenguaje Natural y por qué Python es una de las mejores opciones para construir un sistema experto basado en NLP con ventajas como el soporte comunitario, la disponibilidad de frameworks, etc. Más adelante, le ofrece una mejor comprensión de las formas gratuitas de corpus disponibles y de los diferentes tipos de conjuntos de datos. Después, sabrá cómo elegir un conjunto de datos para aplicaciones de procesamiento del lenguaje natural y encontrar las técnicas de PLN adecuadas para procesar frases en conjuntos de datos y comprender su estructura. También aprenderá a tokenizar distintas partes de las frases y a analizarlas.

A lo largo del libro, explorará el análisis semántico y sintáctico del texto. Comprenderá cómo resolver diversas ambigüedades en el procesamiento del lenguaje humano y se encontrará con varios escenarios mientras realiza el análisis de texto.

Aprenderá los conceptos básicos para preparar el entorno para el procesamiento del lenguaje natural, pasará a la configuración inicial y, a continuación, comprenderá rápidamente las frases y las partes del lenguaje. Aprenderá el poder del aprendizaje automático y el aprendizaje profundo para extraer información de los datos de texto.

Al final del libro, tendrá una comprensión clara del procesamiento del lenguaje natural y habrá trabajado en múltiples ejemplos que implementan NLP en el mundo real.

Lo que aprenderás

⬤ Centrarse en los paradigmas de programación de Python, que se utilizan para desarrollar aplicaciones de PLN.

⬤ Comprender el análisis de corpus y los diferentes tipos de atributo de datos.

⬤ Aprender PNL usando librerías de Python como NLTK, Polyglot, SpaCy, Standford CoreNLP y otras.

⬤ Aprender sobre la extracción y selección de características como parte de la ingeniería de características.

⬤ Explorar las ventajas de la vectorización en Deep Learning.

⬤ Obtener una mejor comprensión de la arquitectura de un sistema basado en reglas.

⬤ Optimizar y ajustar algoritmos de aprendizaje automático supervisado y no supervisado para problemas de PLN.

⬤ Identificar técnicas de Deep Learning para problemas de Procesamiento del Lenguaje Natural y Generación de Lenguaje Natural.