کتاب Natural Language Processing in Action, 2nd Edition (پردازش زبان طبیعی در عمل، ویرایش دوم) یک راهنمای جامع و کاربردی برای ساخت ماشین‌هایی است که قادر به درک زبان انسان هستند. این کتاب با استفاده از پایتون و ابزارهای متن‌باز مانند ترانسفورمرها، Hugging Face و پایگاه‌های داده برداری، به خوانندگان کمک می‌کند تا مهارت‌های خود را در زمینه پردازش زبان طبیعی (NLP) از ابتدا توسعه دهند.
در ادامه مقدمه‌ای از کتاب Natural Language Processing in Action را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Natural Language Processing in Action:
مهارت‌های NLP خود را از ابتدا، با جعبه ابزار متن‌باز بسته‌های پایتون، ترانسفورمرها، Hugging Face، پایگاه‌های داده برداری و مدل‌های زبانی بزرگ خودتان توسعه دهید.
پردازش زبان طبیعی در عمل، ویرایش دوم، به هزاران دانشمند داده کمک کرده است تا ماشین‌هایی بسازند که زبان انسان را می‌فهمند. در این ویرایش جدید و بازبینی‌شده، شما مدل‌های پردازش زبان طبیعی (NLP) پیشرفتهای مانند BERT و ترانسفورمرهای HuggingFace، چارچوب‌های متن‌باز محبوب برای چت‌بات‌ها و موارد دیگر را کشف خواهید کرد. شما ابزارهای NLP را ایجاد خواهید کرد که می‌توانند اخبار جعلی را شناسایی کنند، هرزنامه را فیلتر کنند، نتایج جستجوی استثنایی ارائه دهند و حتی صحت و استدلال را در مدل‌های زبانی بزرگ (LLMها) ایجاد کنند.
درباره کتاب Natural Language Processing in Action
پردازش زبان طبیعی در عمل، ویرایش دوم، راهنمای شما برای ساخت ماشین‌هایی است که زبان انسان را می‌فهمند و می‌توانند به طور سازنده در جامعه مشارکت کنند.
درباره فناوری
پیشرفتهای اخیر در یادگیری عمیق، برنامه‌های کاربردی NLP را با قدرتی بی‌نظیر برای تأثیرگذاری و کمک به ما ایجاد می‌کنند. چت‌بات‌ها اکنون می‌توانند از افراد واقعی تقلید کنند، کلمه‌ای که نوک زبانتان است را پیدا کنند، بیماری را تشخیص دهند، از سلامت روان حمایت کنند، مردم را آموزش دهند و به طور خودکار خلاصه‌هایی از اسناد تولید کنند – همه اینها با نرم‌افزار رایگان و متن‌باز. ابزارهای متن‌باز در دسترس، مانند spaCy و PyTorch، تولید NLP در سطح تولید را آسان‌تر و مؤثرتر از همیشه می‌کنند.
بیشتر بخوانید: کتاب Natural Language Processing with Python
درباره کتاب Natural Language Processing in Action
با پردازش زبان طبیعی در عمل، به زودی یاد خواهید گرفت که چگونه ماشین‌هایی بسازید که بتوانند با ما انسان‌ها به زبان خودمان ارتباط برقرار کنند. در این کتاب، از بسته‌های پایتون آماده استفاده خواهید کرد تا معنای متن را دریافت کرده و بر اساس آن واکنش نشان دهید.
کتاب Natural Language Processing in Action به شما کمک می‌کند تا مهارت‌های NLP را از ابتدا، از رویکردهای سنتی NLP تا معماری‌های یادگیری عمیق مدرن، در حالی که با مشکلات دنیای واقعی دست و پنجه نرم می‌کنید، مانند استخراج تاریخ‌ها و نام‌ها، طبقه‌بندی و تجزیه و تحلیل اسناد و پاسخ به سؤالات آزاد، توسعه دهید. برای موضوعات خاص، مطالب پس‌زمینه کافی ارائه می‌دهیم و منابع (هم متن و هم آنلاین) را برای کسانی که می‌خواهند درک عمیقی به دست آورند، ذکر می‌کنیم. اینها و موارد دیگر را در داخل خواهید یافت:
- الگوریتم‌ها و کتابخانه‌های بازیابی اطلاعات و پردازش متن
- آموزش و ارزیابی مدل‌های NLP شبکه عصبی یادگیری عمیق
- کار با PyTorch، spaCy و ترانسفورمرهای Hugging Face
- موارد استفاده برای جاسازی‌های زبان طبیعی و پایگاه‌های داده برداری
- ترکیب رویکردهای یادگیری ماشین اثبات شده با مدل‌های مولد (LLMها)
- ساخت هوش مصنوعی مکالمه‌ای که خیلی از حقایق و واقعیت دور نمی‌شود
چه کسی باید کتاب Natural Language Processing in Action را بخواند؟
پردازش زبان طبیعی در عمل، ویرایش دوم، برای توسعه‌دهندگان پایتون متوسط تا پیشرفته در نظر گرفته شده است. خوانندگانی که از قبل قادر به طراحی و ساخت سیستم‌های پیچیده هستند نیز بیشتر این کتاب را مفید خواهند یافت، زیرا نمونه‌های بهترین روش‌های متعدد و بینشی در مورد قابلیت‌های الگوریتم‌های NLP پیشرفته ارائه می‌دهد.
کتاب Natural Language Processing in Action نیاز به درک اولیه از یادگیری ماشین و مهارت‌های برنامه‌نویسی پایتون متوسط دارد. حتی بدون این مهارت‌ها، اگر انگیزه یادگیری در مورد نحوه عملکرد هوش مصنوعی در زیرساخت را دارید، پردازش زبان طبیعی در عمل منبع ارزشمندی در سفر شما خواهد بود.
نحوه سازماندهی کتاب Natural Language Processing in Action: نقشه راه
فصل‌های بخش اول به مسائل مربوط به کار با زبان طبیعی و تبدیل آنها به اعدادی که می‌توان آنها را جستجو و محاسبه کرد، می‌پردازند. این “کار پایه و اساسی” کلمات با پاداشی از برخی کاربردهای شگفت‌آور عملی، مانند بازیابی اطلاعات و تحلیل احساسات همراه است. این ابزارهای اولیه NLP راه حل پیشنهادی برای بسیاری از برنامه‌های کاربردی تجاری دنیای واقعی هستند.
هنگامی که اصول اولیه را یاد بگیرید، خواهید دید که برخی از محاسبات بسیار ساده، که بارها و بارها در یک حلقه تکرار می‌شوند، می‌توانند مشکلات مهمی مانند فیلتر کردن هرزنامه و بازیابی اطلاعات را حل کنند. فیلترهای هرزنامه از نوعی که در فصل‌های 2 تا 4 کتاب Natural Language Processing in Action می‌سازید، همان چیزی است که سیستم ایمیل جهانی را از هرج و مرج و رکود نجات داد. شما یاد خواهید گرفت که چگونه یک فیلتر هرزنامه با دقت بیش از 90٪، با فناوری در مقیاس وب – فقط با استفاده از تعداد کلمات و برخی میانگین‌های ساده از آن تعداد، بسازید.
وقتی مخفف‌های LDA و LDiA را می‌بینید، توجه کنید. در اینجا یاد خواهید گرفت که چگونه ماشین‌ها می‌توانند روی معنای کلمات، نه فقط نحوه املای آنها، ریاضیات انجام دهند. تمام این ریاضیات با کلمات ممکن است خسته‌کننده به نظر برسد، اما در واقع کاملاً سرگرم‌کننده است. خیلی سریع، شما قادر خواهید بود الگوریتم‌هایی بسازید که می‌توانند در مورد زبان طبیعی به همان اندازه یا بهتر از شما (و مطمئناً خیلی سریع‌تر) تصمیم‌گیری کنند.
این ممکن است اولین بار در زندگی شما باشد که دیدگاهی برای قدردانی کامل از نحوه انعکاس کلمات و توانمندسازی تفکر خود دارید. دیدگاه فضای برداری چند بعدی از کلمات و افکار، امیدوارم، مغز شما را در حلقه‌های تکراری خودشناسی بچرخاند.
این اوج یادگیری ممکن است در اواسط کتاب Natural Language Processing in Action به نقطه اوج خود برسد. هسته اصلی این کتاب در بخش 2، اکتشاف شما در شبکه پیچیده محاسبات و ارتباطات درون شبکه‌های عصبی خواهد بود.
اثر شبکه‌ای واحدهای منطقی کوچک که در یک شبکه “تفکر” با یکدیگر تعامل دارند، ماشین‌ها را قادر ساخته است تا مشکلاتی را حل کنند که فقط انسان‌های بسیار باهوش در گذشته حتی زحمت تلاش برای آنها را می‌کشیدند – چیزهایی مانند سؤالات مشابهت، خلاصه‌سازی متن و ترجمه بین زبان‌های طبیعی.
بله، شما در مورد بردارهای کلمه یاد خواهید گرفت، نگران نباشید، اما ما خیلی بیشتر از آن را پوشش خواهیم داد. شما قادر خواهید بود کلمات، اسناد و جملات را در ابری از مفاهیم مرتبط که فراتر از سه بعدی که به راحتی می‌توانید درک کنید، گسترش می‌یابد، تجسم کنید. شما شروع به فکر کردن به اسناد و کلمات مانند یک صفحه شخصیت سیاه‌چاله‌ها و اژدها با هزاران ویژگی و توانایی تصادفی انتخاب شده که با گذشت زمان تکامل یافته و رشد کرده‌اند، اما فقط در ذهن ما، خواهید کرد.
بخش 1 کتاب Natural Language Processing in Action با آموزش نحوه تبدیل متن به اعدادی که ماشین‌ها با آنها کار می‌کنند، پایه و اساس سفر NLP شما را می‌گذارد:
فصل 1 – NLP چیست و چگونه می‌توانید آن را در تجارت و زندگی به کار ببرید فصل 2 – شکستن متن به بسته‌های فکر، به نام توکن فصل 3 – استفاده از بردارهای آمار کلمه برای نمایش متن فصل 4 – چگونه می‌توانید معنای پنهان در آمار کلمه را کشف کنید
فصل 1 مروری بر ده‌ها برنامه کاربردی NLP که هر روز با آنها مواجه می‌شوید و برخی که شاید هرگز نشنیده‌اید، ارائه می‌دهد. فصل 2 به شما نشان می‌دهد که چگونه متن را پردازش کنید تا نمایش‌های عددی از توکن‌ها (معمولاً کلمات)، بسته‌های فکر و متنی که NLP را می‌سازند، ایجاد کنید.
فصل 3 کتاب Natural Language Processing in Action به شما نشان می‌دهد که چگونه نمایش‌های توکن را برای ساخت نمایش‌های عددی معنادار از قطعات طولانی‌تر متن، حتی کل اسناد، ترکیب کنید.
ممکن است متوجه شوید که چت‌بات‌های مولد، مانند ChatGPT، برای تقویت مدل‌های مولد با جستجوی متن کامل و جلوگیری از توهم، به این رویکرد امتحان‌شده و واقعی NLP بازمی‌گردند.
فصل 4 کتاب Natural Language Processing in Action به شما نشان می‌دهد که چگونه نمایش‌های برداری متن را به نمایش‌های بسیار متراکم‌تر از معنا فشرده کنید. این بردارهای معنایی متراکم همان چیزی است که در فناوری اخیراً محبوب پایگاه‌های داده برداری ذخیره می‌شود.
بخش 2 کتاب Natural Language Processing in Action به طور عمیق به شبکه‌های عصبی با یادگیری عمیق و شبکه‌های عصبی می‌پردازد:
فصل 5 – شبکه‌های عصبی مصنوعی و یادگیری عمیق برای NLP فصل 6 – بردارهای کلمه که می‌توانید برای استدلال در مورد کلمات از آنها استفاده کنید فصل 7 – پیچش و شبکه‌های عصبی پیچشی برای NLP فصل 8 – تکرار و شبکه‌های عصبی تکراری برای مدل‌سازی زبان
فصل 5 به شما نشان می‌دهد که چگونه نورون‌های مصنوعی کار می‌کنند و چگونه می‌توانید آنها را برای ایجاد شبکه‌های عصبی که بسیاری از وظایف پردازش متن را که قبلاً مخصوص انسان‌ها بود، انجام می‌دهند، به هم متصل کنید.
فصل 6 کتاب Natural Language Processing in Action به شما نشان می‌دهد که چگونه معنای کلمات منفرد و عبارات اسمی را پردازش کنید. شما یاد خواهید گرفت که چگونه بردارهای جاسازی و بردارهای ness هر جنبه‌ای از یک کلمه را که در برنامه خود به آن اهمیت می‌دهید – مهربانی، پستی، حتی مفید بودن و مضر بودن یا هر ness دیگری که باید در متن خود با آن سر و کار داشته باشید – نشان می‌دهند.
فصل 7 کتاب Natural Language Processing in Action در مورد پیچش و چرایی اینکه چرا برخی از خطوط لوله NLP پیشرفته هنوز به آن نیاز دارند، علی‌رغم محبوبیت اخیر ترانسفورمرها، به شما آموزش می‌دهد. در فصل 8، خواهید آموخت که چرا تکرار ایده کلیدی پشت مدل‌های زبانی است که کلمه بعدی را برای حفظ مکالمه یا تولید مقدار نامحدودی از متن پیش‌بینی می‌کنند. همه پیشرفته‌ترین چت‌بات‌ها برای داشتن مکالمات به ظاهر هوشمندانه با کاربران خود به تکرار متکی هستند.
درک واقعیت بین‌الاذهانی، یا درک مشترک کلمات در بخش 2، سکوی پرشی برای انتقال شما به بخش 3 است، جایی که یاد خواهید گرفت چگونه ماشین‌هایی بسازید که صحبت می‌کنند و به سؤالات پاسخ می‌دهند.
در بخش 3 کتاب Natural Language Processing in Action، شما در مورد جدیدترین و بهترین برنامه‌های کاربردی NLP خواهید آموخت:
فصل 9 – بینش‌هایی در مورد قدرت و محدودیت‌های معماری ترانسفورمر NLP فصل 10 – مدل‌های زبانی بزرگ و چرایی اهمیت مقیاس‌پذیری فصل 11 – قرار دادن خطوط لوله NLP در حقایق و دانش دنیای واقعی فصل 12 – چت‌بات‌ها، هوش مصنوعی و طراحی مکالمه
فصل 9 شما را با قدرت قابل توجه ترانسفورمرها، ترکیبی هوشمندانه و چیدمان مجدد معماری‌های یادگیری عمیق که در بخش 2 آموختید، آشنا می‌کند. فصل 10 قابلیت‌های به ظاهر هوشمندانه‌ای را که هنگام افزایش مقیاس ترانسفورمرها و وظیفه آنها با حفظ و تعمیم از کل اینترنت ظاهر می‌شوند، به شما نشان می‌دهد.
هشدار اسپویلر: حتی بزرگترین مدل‌های زبانی بزرگ (LLMها) اصلاً هوشمند یا حتی منطقی نیستند، اما با این وجود، به زودی به قدرتمندترین و مفیدترین ابزارهای NLP در جعبه ابزار شما تبدیل خواهند شد.
فصل 11 کتاب Natural Language Processing in Action درک شما از NLP را به زمین بازمی‌گرداند و به شما کمک می‌کند قابلیت‌های چشمگیر LLMها را در حقایق و درک دنیای واقعی قرار دهید. اگر برنامه شما نیاز به صحت و توانایی استدلال دارد، فصل 11 به شما کمک می‌کند آن را در خط لوله NLP خود بسازید.
در نهایت، در فصل 12 کتاب Natural Language Processing in Action، یاد خواهید گرفت که چگونه چت‌بات‌هایی بسازید که برخی یا همه الگوریتم‌های مورد بحث در کتاب Natural Language Processing in Action را ترکیب می‌کنند. همچنین در مورد طراحی مکالمه و اینکه چگونه این مهارت بسیار ارزشمندتری در حرفه NLP شما نسبت به توانایی مهندسی سریع رابط‌های هوش مصنوعی مکالمه در زندگی شما است، خواهید آموخت. شما در مورد ابزارهایی که می‌توانند به شما در خودکار کردن آزمون و خطای تعامل با LLMها کمک کنند، یاد خواهید گرفت، بنابراین می‌توانید چت‌بات‌های قابل اعتماد و تأثیرگذاری برای کاربران خود ایجاد کنید.
کتاب Natural Language Processing in Action چیزی بیشتر از چیستی و چگونگی را به شما نشان می‌دهد – چرایی عمیق‌تر NLP را آشکار خواهد کرد. شما از بخش اغلب نادیده گرفته شده سمت راست مغز خود برای ترکیب درک چرایی اهمیت NLP و چگونگی تأثیر آن بر کاربران، جامعه و سیاره ما استفاده خواهید کرد (به سخنرانی TED “مغز تقسیم شده” توسط ایان مک گیلکریست مراجعه کنید: https://mng.bz/nRe2).
این درک تصویر بزرگ برای توانایی شما در ساخت محصولاتی که از محصولاتی که صرفاً بر کسب درآمد متمرکز هستند، پیشی می‌گیرند، حیاتی است. بلند کردن سر خود از جزئیات فنی NLP به شما کمک می‌کند از له شدن توسط ربات‌ها و رئیس‌ها در زندگی خود جلوگیری کنید (به مقاله 2019 توسط Madeleine Clare Elish، “مناطق سقوط اخلاقی: داستان‌های هشداردهنده در تعامل انسان و ربات” مراجعه کنید: https://mng.bz/vKX4).
از کجا شروع کنیم اگر در پایتون و پردازش زبان طبیعی تازه کار هستید، ابتدا باید بخش 1 و سپس هر یک از فصل‌های بخش 3 کتاب Natural Language Processing in Action را که با علایق یا چالش‌های شغلی شما مرتبط است، بخوانید. اگر می‌خواهید با قابلیت‌های جدید NLP که یادگیری عمیق امکان‌پذیر می‌کند، همراه شوید، باید بخش 2 را نیز به ترتیب بخوانید. این بخش درک شما از شبکه‌های عصبی را به تدریج افزایش می‌دهد و پیچیدگی و قابلیت آن شبکه‌های عصبی را افزایش می‌دهد.
به محض اینکه فصل یا بخشی را با قطعه‌ای پیدا کردید که می‌توانید آن را “در ذهن خود اجرا کنید”، باید آن را واقعاً روی دستگاه خود اجرا کنید. و اگر به نظر می‌رسد که هر یک از مثال‌ها می‌توانند روی اسناد متنی خودتان اجرا شوند، باید آن متن را در یک فایل CSV یا متنی (یک سند در هر خط) در فهرست nlpia2/src/nlpia/data/ قرار دهید. سپس، می‌توانید مثال‌ها را روی داده‌های خود اجرا کنید و شاید حتی داده‌های خود را با ارسال آن به مخزن nlpia2 به اشتراک بگذارید.
سرفصل‌های کتاب Natural Language Processing in Action:
- Natural Language Processing in Action
- Praise for the First Edition
brief contents - contents
- preface
- acknowledgments
- about this book
- About the technology
- About this book
- Who should read this book
- How this book is organized: A road map
- Where to start
- About the code
- liveBook discussion forum
- about the authors
- about the contributors
- about the cover illustration
- Part 1 Wordy machines: Vector models of natural language
- 1 Machines that read and write: A natural language processing overview
- 2 Tokens of thought: Natural language words
- 3 Math with words: Term frequency-inverse document frequency vectors
- 4 Finding meaning in word counts: Semantic analysis
- Part 2 Deeper learning: Neural networks
- 5 Word brain: Neural networks
- 6 Reasoning with word embeddings
- 7 Finding kernels of knowledge in text with CNNs
- 8 Reduce, reuse, and recycle your words: RNNs and LSTMs
- Part 3 Getting real: Real-world NLP applications
- 9 Stackable deep learning: Transformers
- 10 Large language models in the real world
- 11 Information extraction and knowledge graphs
- 12 Getting chatty with dialog engines
- appendix A Your NLP tools
- appendix B Playful Python and regular expressions
- appendix C Vectors and linear algebra
- appendix D Machine learning tools and techniques
- appendix E Deploying NLU containerized microservices
- appendix F Glossary
- notes
- index
جهت دانلود کتاب Natural Language Processing in Action می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.