دانلود کتاب Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning (به فارسی: تجزیه و تحلیل متن کاربردی با پایتون: فعال کردن محصولات داده آگاه از زبان با یادگیری ماشین) نوشته شده توسط «Benjamin Bengfort – Tony Ojeda – Rebecca Bilbro»
اطلاعات کتاب تجزیه و تحلیل متن کاربردی با پایتون: فعال کردن محصولات داده آگاه از زبان با یادگیری ماشین
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: O’Reilly Media
نویسنده: Benjamin Bengfort – Tony Ojeda – Rebecca Bilbro
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 332
حجم فایل: 13.97 مگابایت
کد کتاب: 1491963042 , 9781491963043
نوبت چاپ: 1
توضیحات کتاب تجزیه و تحلیل متن کاربردی با پایتون: فعال کردن محصولات داده آگاه از زبان با یادگیری ماشین
از اخبار و سخنرانی ها گرفته تا گفتگوهای غیررسمی در رسانه های اجتماعی، زبان طبیعی یکی از غنی ترین و کم استفاده ترین منابع داده است. نه تنها در یک جریان ثابت می آید، همیشه در حال تغییر و تطبیق در زمینه است. همچنین حاوی اطلاعاتی است که توسط منابع داده سنتی منتقل نمی شود. کلید باز کردن قفل زبان طبیعی از طریق استفاده خلاقانه از تجزیه و تحلیل متن است. این کتاب عملی رویکرد یک دانشمند داده را برای ساخت محصولات آگاه به زبان با یادگیری ماشین کاربردی ارائه میکند.
تکنیکهای قوی، تکرارپذیر و مقیاسپذیر برای تجزیه و تحلیل متن با پایتون، از جمله مهندسی ویژگیهای زمینهای و زبانی، برداری، طبقهبندی، مدلسازی موضوع، وضوح موجودیت، تجزیه و تحلیل گراف، و هدایت بصری را یاد خواهید گرفت. در پایان کتاب، شما به روشهای عملی برای حل هر تعداد از مسائل پیچیده دنیای واقعی مجهز خواهید شد.
● پیش پردازش و بردار کردن متن به نمایش ویژگی های با ابعاد بالا
● طبقه بندی اسناد و مدل سازی موضوع را انجام دهید
● فرآیند انتخاب مدل را با تشخیص بصری هدایت کنید
● عبارات کلیدی، موجودیت های نامگذاری شده و ساختارهای نمودار را برای استدلال در مورد داده های متن استخراج کنید
● یک چارچوب گفتگو بسازید تا رباتهای گفتگو و تعامل زبان محور را فعال کنید
● از Spark برای مقیاسسازی قدرت پردازش و شبکههای عصبی برای مقیاسسازی پیچیدگی مدل استفاده کنید
You’ll learn robust, repeatable, and scalable techniques for text analysis with Python, including contextual and linguistic feature engineering, vectorization, classification, topic modeling, entity resolution, graph analysis, and visual steering. By the end of the book, you’ll be equipped with practical methods to solve any number of complex real-world problems.
● Preprocess and vectorize text into high-dimensional feature representations
● Perform document classification and topic modeling
● Steer the model selection process with visual diagnostics
● Extract key phrases, named entities, and graph structures to reason about data in text
● Build a dialog framework to enable chatbots and language-driven interaction
● Use Spark to scale processing power and neural networks to scale model complexity

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.