Deep Natural Language Processing

Einstieg in Word Embedding

Sequence-to-Sequence-Modelle und Transformer mit Python

Deep Natural Language Processing

Name: Deep Natural Language Processing
Price: 39.99 EUR
Availability: InStock
Author: Jochen Hirschle
ISBN: 9783446473638

Einstieg in Word Embedding

Sequence-to-Sequence-Modelle und Transformer mit Python

	HANSER Fachbuch
Autor:in	Jochen Hirschle (2)
	248 Seiten, Hardcover
Erschienen	04/2022
	978-3-446-47363-8 9783446473638

€

Best.-Nr.:

Dieses Buch bietet Ihnen einen leicht verständlichen Einstieg in das Deep Natural Language Processing. Die textbasierten Erklärungen kommen mit wenigen Formeln aus und legen den Fokus auf die Verarbeitung deutschsprachiger Texte. So erhalten Sie einen Einblick in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Der Autor veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein.

Blick ins Buch: Deep Natural Language Processing

Im Fokus stehen insbesondere folgende Verfahren:

Vektorisierung von Wörtern mit Word Embedding.
Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen.
Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen.
Arbeit mit der Transformers-Bibliothek und Hugging Face.

Anhand praktischer Anwendungen (Klassifizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.

Aus dem Inhalt

Textdaten verarbeiten und vorverarbeiten
Grundlagen maschinellen Lernens
Einfache Verfahren zur Vektorisierung von Textdaten
Deep Learning-Essentials
Rekurrente Netze

Hier das ganze Inhaltsverzeichnis lesen.

Konvolutionale Netze
Word Embedding
Komplexe Lernarchitekturen umsetzen
Sequence-to-Sequence-Modelle
Transformers

Diese Leseprobe behandelt sog. Sequence-to-Sequence-Modelle, mit denen sich ganze Sätze oder Textpassagen erzeugen lassen. Solche Architekturen kommen etwa bei der Übersetzung in oder aus Fremdsprachen zum Einsatz. Die Herausforderung dabei ist es, dass die Bedeutung eines Satzes in verschiedenen Sprachen einem anderen Satzbau folgt, der Satz also zunächst analysiert und nach den Regeln der Zielsprache neu formuliert werden muss.

Wer hat's geschrieben?

Dr. Jochen Hirschle ist zertifizierter Java-Programmierer und als freiberuflicher IT-Trainer und Consultant im Bereich Data Science, Machine und Deep Learning tätig. Zuvor war er Projektleiter in der Marktforschung sowie Dozent und Forscher an den Universitäten in Köln, Innsbruck und Frankfurt/Main.

Weitere Bücher von Jochen Hirschle (2)

Deep Natural Language Processing

Einstieg in Word Embedding

Sequence-to-Sequence-Modelle und Transformer mit Python

Deep Natural Language Processing

Einstieg in Word Embedding

Sequence-to-Sequence-Modelle und Transformer mit Python

	HANSER Fachbuch
Autor:in	Jochen Hirschle (2)
	248 Seiten, Hardcover
Erschienen	04/2022
	978-3-446-47363-8 9783446473638

€

Best.-Nr.:

Betriebssysteme

Office-Anwendungen

Utilities, Dienstprogramme

Produktivitäts-Software

Büro & Finanzen

Foto, Audio & Video

Sicherheit & Backup

Programmieren

Apple, Mac

Computer & Office

Künstliche Intelligenz

Programmierung

Grafik & Design

Web & Online-Marketing

Server & Netzwerke

Für Maker, Elektronik & Co.

Business

Basics

Fototechniken

Fotogenres

Bildbearbeitung

Kamerahandbücher

Weitere Themen

Home

Software

Software-Neuerscheinungen

Marken

Für Unternehmen

Für Schüler und Studenten

Lesen Computing

Lesen Fotografie

Bücher-Neuerscheinungen

Bücher zum Vorbestellen

Neuheiten

Jobs bei uns

IT-Fachbücher Kategorien

Deep Natural Language Processing

Einstieg in Word Embedding

Sequence-to-Sequence-Modelle und Transformer mit Python

Im Fokus stehen insbesondere folgende Verfahren:

Aus dem Inhalt

Wer hat's geschrieben?