پردازش زبان طبیعی در دنیای واقعی ۲۰۲۱
Real-World Natural Language Processing 2021

در پردازش زبان طبیعی در دنیای واقعی خواهید آموخت که چگونه:

طراحی، توسعه و پیاده‌سازی برنامه‌های کاربردی مفید NLP
ایجاد برچسب‌زن‌های موجودیت‌های نام‌دار
ساخت سیستم‌های ترجمه ماشینی
ایجاد سیستم‌های تولید زبان و چت‌بات‌ها
استفاده از مفاهیم پیشرفته NLP مانند توجه و یادگیری انتقالی

پردازش زبان طبیعی در دنیای واقعی به شما می‌آموزد که چگونه برنامه‌های کاربردی NLP بسازید بدون اینکه درگیر نظریه‌های پیچیده زبان و ریاضیات یادگیری عمیق شوید. در این کتاب جذاب، ابزارها و تکنیک‌های اصلی مورد نیاز برای ساخت طیف گسترده‌ای از برنامه‌های کاربردی قدرتمند NLP، از جمله چت‌بات‌ها، آشکارسازهای زبان و طبقه‌بندی‌کننده‌های متن را بررسی خواهید کرد.

با خرید نسخه چاپی کتاب، یک نسخه الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از Manning Publications دریافت خواهید کرد.

درباره فناوری
آموزش به رایانه‌ها برای تفسیر و تولید گفتار و متن یک چالش بزرگ است و بازده کاهش نیروی کار و بهبود تعامل انسان و رایانه بسیار زیاد است! حوزه پردازش زبان طبیعی (NLP) به سرعت در حال پیشرفت است و ابزارها و روش‌های جدید بی‌شماری در حال ظهور هستند. این کتاب منحصربه‌فرد مجموعه‌ای نوآورانه از تکنیک‌های NLP را با کاربردهایی در ترجمه ماشینی، دستیارهای صوتی، تولید متن و موارد دیگر ارائه می‌دهد.

درباره کتاب
پردازش زبان طبیعی در دنیای واقعی به شما نشان می‌دهد چگونه برنامه‌های کاربردی NLP بسازید که روش همکاری انسان و رایانه را متحول می‌کنند. با راهنمایی توضیحات واضح از هر موضوع اصلی NLP، برنامه‌های کاربردی جالب بسیاری از جمله یک تحلیل‌گر احساسات و یک چت‌بات ایجاد خواهید کرد. در این مسیر، از پایتون و کتابخانه‌های متن‌باز مانند AllenNLP و HuggingFace Transformers برای سرعت بخشیدن به فرآیند توسعه خود استفاده خواهید کرد.

مطالب داخل کتاب

طراحی، توسعه و پیاده‌سازی برنامه‌های کاربردی مفید NLP
ایجاد برچسب‌زن‌های موجودیت‌های نام‌دار
ساخت سیستم‌های ترجمه ماشینی
ایجاد سیستم‌های تولید زبان و چت‌بات‌ها

درباره خواننده
برای برنامه نویسان پایتون. هیچ دانش قبلی از یادگیری ماشین فرض نمی‌شود.

درباره نویسنده
ماساتو هاگیوارا مدرک دکترای علوم کامپیوتر خود را در سال 2009 از دانشگاه ناگویا دریافت کرد. او در گوگل و Microsoft Research دوره کارآموزی گذرانده است و در Duolingo به عنوان مهندس ارشد یادگیری ماشین کار کرده است. او اکنون شرکت تحقیقاتی و مشاوره ای خود را اداره می کند.

فهرست مطالب
بخش 1: مبانی
1. مقدمه‌ای بر پردازش زبان طبیعی
2. اولین برنامه NLP شما
3. جاسازی کلمات و اسناد
4. طبقه‌بندی جملات
5. برچسب‌زنی ترتیبی و مدل‌سازی زبان

بخش 2: مدل‌های پیشرفته
6. مدل‌های توالی به توالی
7. شبکه‌های عصبی کانولوشنال
8. توجه و ترانسفورمر
9. یادگیری انتقالی با مدل‌های زبانی از پیش آموزش‌دیده

بخش 3: قرار دادن در مرحله تولید
10. بهترین روش‌ها در توسعه برنامه‌های کاربردی NLP
11. پیاده‌سازی و ارائه برنامه‌های کاربردی NLP

In Real-world Natural Language Processing you will learn how to:

Design, develop, and deploy useful NLP applications
Create named entity taggers
Build machine translation systems
Construct language generation systems and chatbots
Use advanced NLP concepts such as attention and transfer learning

Real-world Natural Language Processing teaches you how to create practical NLP applications without getting bogged down in complex language theory and the mathematics of deep learning. In this engaging book, you’ll explore the core tools and techniques required to build a huge range of powerful NLP apps, including chatbots, language detectors, and text classifiers.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Training computers to interpret and generate speech and text is a monumental challenge, and the payoff for reducing labor and improving human/computer interaction is huge! Th e field of Natural Language Processing (NLP) is advancing rapidly, with countless new tools and practices. This unique book offers an innovative collection of NLP techniques with applications in machine translation, voice assistants, text generation, and more.

About the book
Real-world Natural Language Processing shows you how to build the practical NLP applications that are transforming the way humans and computers work together. Guided by clear explanations of each core NLP topic, you’ll create many interesting applications including a sentiment analyzer and a chatbot. Along the way, you’ll use Python and open source libraries like AllenNLP and HuggingFace Transformers to speed up your development process.

What’s inside

Design, develop, and deploy useful NLP applications
Create named entity taggers
Build machine translation systems
Construct language generation systems and chatbots

About the reader
For Python programmers. No prior machine learning knowledge assumed.

About the author
Masato Hagiwara received his computer science PhD from Nagoya University in 2009. He has interned at Google and Microsoft Research, and worked at Duolingo as a Senior Machine Learning Engineer. He now runs his own research and consulting company.

Table of Contents
PART 1 BASICS
1 Introduction to natural language processing
2 Your first NLP application
3 Word and document embeddings
4 Sentence classification
5 Sequential labeling and language modeling
PART 2 ADVANCED MODELS
6 Sequence-to-sequence models
7 Convolutional neural networks
8 Attention and Transformer
9 Transfer learning with pretrained language models
PART 3 PUTTING INTO PRODUCTION
10 Best practices in developing NLP applications
11 Deploying and serving NLP applications