Inhalt: - 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. Schlagworte: UYQM Maschinelles Lernen Umfang: 256 S. ISBN: 978-3-446-47390-4
Inhalt: - 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. Schlagworte: UYQM Maschinelles Lernen Umfang: 256 S. ISBN: 978-3-446-47409-3
Programm Findus Internet-OPAC findus.pl V20.235/8 auf Server windhund2.findus-internet-opac.de,
letztes Datenbankupdate: 10.05.2024, 19:11 Uhr. 588 Zugriffe im Mai 2024. Insgesamt 225.359 Zugriffe seit Oktober 2016
Mobil - Impressum - Datenschutz - CO2-Neutral