Les humains excellent dans la lecture de textes, l'identification des idées clés, la synthèse, l'établissement de connexions et d'autres tâches nécessitant une compréhension et un contexte. Les avancées récentes en apprentissage profond rendent possible pour les systèmes informatiques d'obtenir des résultats similaires. Deep Learning for Natural Language Processing vous enseigne à appliquer des méthodes d'apprentissage profond au traitement automatique du langage naturel (TALN) pour interpréter et utiliser efficacement le texte. Dans ce livre perspicace, l'expert en TALN Stephan Raaijmakers distille ses vastes connaissances sur les derniers développements de pointe dans ce domaine en rapide essor.
Fonctionnalités clés
Un aperçu du TALN et de l'apprentissage profond
Modèles pour la similarité textuelle
TALN basé sur la mémoire profonde
Étiquetage des rôles sémantiques
TALN séquentiel
Public cible
Pour ceux qui ont des compétences intermédiaires en Python et une connaissance générale du TALN. Aucune expérience pratique avec Keras ou des kits d'outils d'apprentissage profond n'est requise.
À propos de la technologie
Le traitement automatique du langage naturel est la science d'enseigner aux ordinateurs à interpréter et traiter le langage humain. Récemment, la technologie TALN a fait un bond vers de nouveaux niveaux excitants avec l'application de l'apprentissage profond, une forme d'apprentissage automatique basée sur les réseaux de neurones
Stephan Raaijmakers est un scientifique senior chez TNO et détient un doctorat en apprentissage automatique et analyse de texte. Il est le coordinateur technique de deux grands projets de recherche financés par l'Union européenne liés à la sécurité. Il prépare actuellement une chaire professorale dotée en apprentissage profond et TALN dans une grande université néerlandaise.