Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning
![Język publikacji: angielski Język publikacji: angielski](https://static01.helion.com.pl/global/flagi/1.png)
- Autorzy:
- Delip Rao, Brian McMahan
![Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning Delip Rao, Brian McMahan - okładka ebooka](https://static01.helion.com.pl/global/okladki/326x466/e_10pm.png)
![Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning Delip Rao, Brian McMahan - tył okładki ebooka](https://static01.helion.com.pl/global/okladki-tyl/326x466/e_10pm.png)
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 256
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning
Natural Language Processing (NLP) provides boundless opportunities for solving problems in artificial intelligence, making products such as Amazon Alexa and Google Translate possible. If you’re a developer or data scientist new to NLP and deep learning, this practical guide shows you how to apply these methods using PyTorch, a Python-based deep learning library.
Authors Delip Rao and Brian McMahon provide you with a solid grounding in NLP and deep learning algorithms and demonstrate how to use PyTorch to build applications involving rich representations of text specific to the problems you face. Each chapter includes several code examples and illustrations.
- Explore computational graphs and the supervised learning paradigm
- Master the basics of the PyTorch optimized tensor manipulation library
- Get an overview of traditional NLP concepts and methods
- Learn the basic ideas involved in building neural networks
- Use embeddings to represent words, sentences, documents, and other features
- Explore sequence prediction and generate sequence-to-sequence models
- Learn design patterns for building production NLP systems
Wybrane bestsellery
-
To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prog...
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
(83.40 zł najniższa cena z 30 dni)90.35 zł
139.00 zł(-35%) -
Dzięki tej książce łatwo przyswoisz teoretyczne podstawy i zaczniesz je płynnie wdrażać w rzeczywistych scenariuszach. Dowiesz się, w jaki sposób myślenie przyczynowe ułatwia rozwiązywanie problemów, i poznasz pojęcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. ...
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
(65.40 zł najniższa cena z 30 dni)70.85 zł
109.00 zł(-35%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(53.40 zł najniższa cena z 30 dni)57.84 zł
89.00 zł(-35%) -
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć ...
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
(41.40 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)116.35 zł
179.00 zł(-35%) -
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
31.85 zł
49.00 zł(-35%) -
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z...
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
(53.40 zł najniższa cena z 30 dni)57.84 zł
89.00 zł(-35%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(101.40 zł najniższa cena z 30 dni)109.85 zł
169.00 zł(-35%)
Ebooka "Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-14-919-7818-4, 9781491978184
- Data wydania ebooka:
-
2019-01-22
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 11.9MB
- Rozmiar pliku Mobi:
- 22.2MB
Spis treści ebooka
- Preface
- Conventions Used in This Book
- Using Code Examples
- OReilly Safari
- How to Contact Us
- Acknowledments
- 1. Introduction
- The Supervised Learning Paradigm
- Observation and Target Encoding
- One-Hot Representation
- TF Representation
- TF-IDF Representation
- Target Encoding
- Computational Graphs
- PyTorch Basics
- Installing PyTorch
- Creating Tensors
- Tensor Types and Size
- Tensor Operations
- Indexing, Slicing, and Joining
- Tensors and Computational Graphs
- CUDA Tensors
- Exercises
- Solutions
- Summary
- References
- 2. A Quick Tour of Traditional NLP
- Corpora, Tokens, and Types
- Unigrams, Bigrams, Trigrams, , N-grams
- Lemmas and Stems
- Categorizing Sentences and Documents
- Categorizing Words: POS Tagging
- Categorizing Spans: Chunking and Named Entity Recognition
- Structure of Sentences
- Word Senses and Semantics
- Summary
- References
- 3. Foundational Components of Neural Networks
- The Perceptron: The Simplest Neural Network
- Activation Functions
- Sigmoid
- Tanh
- ReLU
- Softmax
- Loss Functions
- Mean Squared Error Loss
- Categorical Cross-Entropy Loss
- Binary Cross-Entropy Loss
- Diving Deep into Supervised Training
- Constructing Toy Data
- Choosing a model
- Converting the probabilities to discrete classes
- Choosing a loss function
- Choosing an optimizer
- Constructing Toy Data
- Putting It Together: Gradient-Based Supervised Learning
- Auxiliary Training Concepts
- Correctly Measuring Model Performance: Evaluation Metrics
- Correctly Measuring Model Performance: Splitting the Dataset
- Knowing When to Stop Training
- Finding the Right Hyperparameters
- Regularization
- Example: Classifying Sentiment of Restaurant Reviews
- The Yelp Review Dataset
- Understanding PyTorchs Dataset Representation
- The Vocabulary, the Vectorizer, and the DataLoader
- Vocabulary
- Vectorizer
- DataLoader
- A Perceptron Classifier
- The Training Routine
- Setting the stage for the training to begin
- The training loop
- Evaluation, Inference, and Inspection
- Evaluating on test data
- Inference and classifying new data points
- Inspecting model weights
- Summary
- References
- 4. Feed-Forward Networks for Natural Language Processing
- The Multilayer Perceptron
- A Simple Example: XOR
- Implementing MLPs in PyTorch
- The Multilayer Perceptron
- Example: Surname Classification with an MLP
- The Surnames Dataset
- Vocabulary, Vectorizer, and DataLoader
- The Vocabulary class
- The SurnameVectorizer
- The SurnameClassifier Model
- The Training Routine
- The training loop
- Model Evaluation and Prediction
- Evaluating on the test dataset
- Classifying a new surname
- Retrieving the top k predictions for a new surname
- Regularizing MLPs: Weight Regularization and Structural Regularization (or Dropout)
- Convolutional Neural Networks
- CNN Hyperparameters
- Dimension of the convolution operation
- Channels
- Kernel size
- Stride
- Padding
- Dilation
- CNN Hyperparameters
- Implementing CNNs in PyTorch
- Example: Classifying Surnames by Using a CNN
- The SurnameDataset Class
- Vocabulary, Vectorizer, and DataLoader
- Reimplementing the SurnameClassifier with Convolutional Networks
- The Training Routine
- Model Evaluation and Prediction
- Evaluating on the test dataset
- Classifying or retrieving top predictions for a new surname
- Miscellaneous Topics in CNNs
- Pooling
- Batch Normalization (BatchNorm)
- Network-in-Network Connections (1x1 Convolutions)
- Residual Connections/Residual Block
- Summary
- References
- 5. Embedding Words and Types
- Why Learn Embeddings?
- Efficiency of Embeddings
- Approaches to Learning Word Embeddings
- The Practical Use of Pretrained Word Embeddings
- Loading embeddings
- Relationships between word embeddings
- Why Learn Embeddings?
- Example: Learning the Continuous Bag of Words Embeddings
- The Frankenstein Dataset
- Vocabulary, Vectorizer, and DataLoader
- The CBOWClassifier Model
- The Training Routine
- Model Evaluation and Prediction
- Example: Transfer Learning Using Pretrained Embeddings for Document Classification
- The AG News Dataset
- Vocabulary, Vectorizer, and DataLoader
- The NewsClassifier Model
- The Training Routine
- Model Evaluation and Prediction
- Evaluating on the test dataset
- Predicting the category of novel news headlines
- Summary
- References
- 6. Sequence Modeling for Natural Language Processing
- Introduction to Recurrent Neural Networks
- Implementing an Elman RNN
- Introduction to Recurrent Neural Networks
- Example: Classifying Surname Nationality Using a Character RNN
- The SurnameDataset Class
- The Vectorization Data Structures
- The SurnameClassifier Model
- The Training Routine and Results
- Summary
- References
- 7. Intermediate Sequence Modeling for Natural Language Processing
- The Problem with Vanilla RNNs (or Elman RNNs)
- Gating as a Solution to a Vanilla RNNs Challenges
- Example: A Character RNN for Generating Surnames
- The SurnameDataset Class
- The Vectorization Data Structures
- SurnameVectorizer and END-OF-SEQUENCE
- From the ElmanRNN to the GRU
- Model 1: The Unconditioned SurnameGenerationModel
- Model 2: The Conditioned SurnameGenerationModel
- The Training Routine and Results
- Tips and Tricks for Training Sequence Models
- References
- 8. Advanced Sequence Modeling for Natural Language Processing
- Sequence-to-Sequence Models, EncoderDecoder Models, and Conditioned Generation
- Capturing More from a Sequence: Bidirectional Recurrent Models
- Capturing More from a Sequence: Attention
- Attention in Deep Neural Networks
- Evaluating Sequence Generation Models
- Example: Neural Machine Translation
- The Machine Translation Dataset
- A Vectorization Pipeline for NMT
- Encoding and Decoding in the NMT Model
- A closer look at attention
- Learning to search and scheduled sampling
- The Training Routine and Results
- Summary
- References
- 9. Classics, Frontiers, and Next Steps
- What Have We Learned so Far?
- Timeless Topics in NLP
- Dialogue and Interactive Systems
- Discourse
- Information Extraction and Text Mining
- Document Analysis and Retrieval
- Frontiers in NLP
- Design Patterns for Production NLP Systems
- Where Next?
- References
- Index
O'Reilly Media - inne książki
-
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(203.15 zł najniższa cena z 30 dni)
203.49 zł
239.00 zł(-15%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(237.15 zł najniższa cena z 30 dni)
245.03 zł
279.00 zł(-12%) -
Frontend developers have to consider many things: browser compatibility, usability, performance, scalability, SEO, and other best practices. But the most fundamental aspect of creating websites is one that often falls short: accessibility. Accessibility is the cornerstone of any website, and if a...(202.70 zł najniższa cena z 30 dni)
202.60 zł
239.00 zł(-15%) -
In this insightful and comprehensive guide, Addy Osmani shares more than a decade of experience working on the Chrome team at Google, uncovering secrets to engineering effectiveness, efficiency, and team success. Engineers and engineering leaders looking to scale their effectiveness and drive tra...(116.63 zł najniższa cena z 30 dni)
116.53 zł
149.00 zł(-22%) -
Data modeling is the single most overlooked feature in Power BI Desktop, yet it's what sets Power BI apart from other tools on the market. This practical book serves as your fast-forward button for data modeling with Power BI, Analysis Services tabular, and SQL databases. It serves as a starting ...(202.88 zł najniższa cena z 30 dni)
202.78 zł
239.00 zł(-15%) -
C# is undeniably one of the most versatile programming languages available to engineers today. With this comprehensive guide, you'll learn just how powerful the combination of C# and .NET can be. Author Ian Griffiths guides you through C# 12.0 and .NET 8 fundamentals and techniques for building c...(245.14 zł najniższa cena z 30 dni)
245.09 zł
279.00 zł(-12%) -
Learn how to get started with Futures Thinking. With this practical guide, Phil Balagtas, founder of the Design Futures Initiative and the global Speculative Futures network, shows you how designers and futurists have made futures work at companies such as Atari, IBM, Apple, Disney, Autodesk, Luf...(150.60 zł najniższa cena z 30 dni)
150.10 zł
179.00 zł(-16%) -
Augmented Analytics isn't just another book on data and analytics; it's a holistic resource for reimagining the way your entire organization interacts with information to become insight-driven.Moving beyond traditional, limited ways of making sense of data, Augmented Analytics provides a dynamic,...(178.15 zł najniższa cena z 30 dni)
178.05 zł
209.00 zł(-15%) -
Learn how to prepare for—and pass—the Kubernetes and Cloud Native Associate (KCNA) certification exam. This practical guide serves as both a study guide and point of entry for practitioners looking to explore and adopt cloud native technologies. Adrián González Sánchez ...
Kubernetes and Cloud Native Associate (KCNA) Study Guide Kubernetes and Cloud Native Associate (KCNA) Study Guide
(169.14 zł najniższa cena z 30 dni)177.65 zł
199.00 zł(-11%) -
Python is an excellent way to get started in programming, and this clear, concise guide walks you through Python a step at a time—beginning with basic programming concepts before moving on to functions, data structures, and object-oriented design. This revised third edition reflects the gro...(143.59 zł najniższa cena z 30 dni)
143.54 zł
179.00 zł(-20%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning Delip Rao, Brian McMahan (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.