Vorliegende Sprache |
ger |
Hinweise auf parallele Ausgaben |
1796435465 Erscheint auch als (Druck-Ausgabe): ‡Hirschle, Jochen, 1973 - : Deep Natural Language Processing |
ISBN |
978-3-446-47363-8 |
Name |
Hirschle, Jochen ¬[VerfasserIn]¬ |
Körperschaft |
Carl Hanser Verlag ¬[Verlag]¬ |
T I T E L |
Deep Natural Language Processing |
Zusatz zum Titel |
Einstieg in Word Embedding, Sequence-to-Sequence-Modelle und Transformers mit Python |
Weitere Titel |
Online: GitHub-Repository zum Buch |
Verlagsort |
München |
Verlag |
Hanser |
Erscheinungsjahr |
[2022] |
2022 |
Umfang |
1 Online-Ressource (VIII, 248 Seiten) : Illustrationen |
Reihe |
Hanser eLibrary |
Notiz / Fußnoten |
Literaturverzeichnis: Seite [239]-242 |
Titelhinweis |
Erscheint auch als (Druck-Ausgabe): ‡Hirschle, Jochen, 1973 - : Deep Natural Language Processing |
ISBN |
ISBN 978-3-446-47390-4 E-Book |
ISBN 978-3-446-47409-3 E-Pub |
Klassifikation |
006.31 |
ST 300 |
ST 250 |
ST 306 |
Kurzbeschreibung |
- Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen - Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln - Mit Fokus auf der Verarbeitung deutschsprachiger Texte - Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Notebooks auf GitHub - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Das Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. 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 (Klassizierung 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. |
2. Kurzbeschreibung |
Dr. Jochen Hirschle ist IT-Trainer und Consultant für Machine Learning und Deep Learning in Braunschweig. Er ist erfahrener Programmierer in Python und Java und war als Wissenschaftler und Dozent an den Universitäten in Köln, Innsbruck und Frankfurt tätig. Er kennt die Fallstricke der statistischen Datenanalyse und die Tricks maschinellen Lernens aus seiner langjährigen Praxis und er weiß, wie sich komplexe Sachverhalte einfach erklären lassen. |
1. Schlagwortkette |
Python <Programmiersprache> |
Python 3.7 |
Maschinelles Lernen |
Deep learning |
Neurolinguistisches Programmieren |
Sprachwahrnehmung |
ANZEIGE DER KETTE |
Python -- Python 3.7 -- Maschinelles Lernen -- Deep learning -- Neurolinguistisches Programmieren -- Sprachwahrnehmung |
SWB-Titel-Idn |
1800391889 |
Signatur |
E-Book Hanser |
Bemerkungen |
Elektronischer Volltext - Campuslizenz |
Elektronische Adresse |
$uhttps://doi.org/10.3139/9783446473904 |
Internetseite / Link |
Resolving-System |
Siehe auch |
Resolving-System |
Siehe auch |
Resolving-System |
Siehe auch |
Verlag |