- 系统入门NLP与深度学习：帮助Python开发者从零开始系统学习自然语言处理与深度学习的结合应用。
- 掌握文本理解与分析技术：教会读者使用Keras、TensorFlow等工具进行分词、向量化、语义分析等文本处理任务。
- 学会构建NLP流水线：解决读者在实际项目中构建可扩展的自然语言处理流水线的问题。
- 掌握信息提取与问答系统：帮助读者构建信息提取、问答系统和人机对话等真实世界的NLP应用。
- 理解现代NLP模型原理：深入讲解词向量、CNN、RNN、LSTM、序列到序列建模和注意力机制等核心模型。
- 中高级Python开发人员：具备中等水平Python编程技能，希望入门自然语言处理领域的开发者。
- NLP领域从业者：需要系统学习现代NLP技术和深度学习方法的从业人员。
- 对深度学习和NLP感兴趣的开发者：有基本深度学习知识，希望将深度学习应用于文本处理的工程师。
- 希望构建聊天机器人和问答系统的开发者：需要掌握信息提取、问答系统和人机对话等实战技能的开发者。
- 按三部分递进学习：先学第一部分NLP基础，再深入第二部分深度学习模型，最后实践第三部分的真实世界应用。
- 动手运行配套源码：本书提供源代码，建议读者边学边运行代码，通过实践加深对模型和算法的理解。
- 重点掌握第5-7章：CNN、RNN、LSTM和序列到序列建模是NLP深度学习的核心，建议反复阅读并动手实现。
- 结合真实场景练习：第三部分的信息提取、问答系统和人机对话建议结合实际数据动手构建，巩固所学。
- 补充深度学习基础：阅读前确保对深度学习有基本了解，必要时先补充神经网络基础知识。
- NLP与深度学习知识体系：系统掌握从分词、向量化到深度神经网络和注意力机制的完整NLP知识体系。
- 主流工具实战能力：熟练使用Keras、TensorFlow、gensim和scikit-learn等工具进行NLP开发。
- NLP流水线构建技能：能够构建可扩展的自然语言处理流水线，解决实际工程问题。
- 真实世界应用开发经验：掌握信息提取、问答系统和人机对话等真实世界NLP系统的构建方法。
- 文本生成与理解能力：理解如何利用深度学习模型实现文本的理解、分析和生成，构建智能文本处理应用。
📖 书籍简介
产品特色
编辑推荐
Python开发人员入门自然语言处理必备
现代自然语言处理领域从业者的实用参考指南
小米AI实验室NLP团队献译
1.本书是构建能够阅读和解释人类语言的机器的实用指南；
2.读者可以使用现有的Python 包来捕获文本的含义并相应地做出响应；
3.本书扩展了传统的自然语言处理方法，包括神经网络、现代深度学习算法和生成技术，用于解决真实世界的问题，如提取日期和名称、合成文本和回答无固定格式的问题；
4.提供源代码。
深度学习领域的**进展使各类应用能够极其精准地理解文本和语音。其结果是，聊天机器人能够模仿真人筛选出与职位高度匹配的简历，完成卓越的预测性搜索，自动生成文档摘要——所有这些都能够以很低的成本实现。新技术的发展连同Keras 和TensorFlow之类的易用工具的出现，使专业品质的自然语言处理（NLP）比以往任何时候都更容易实现。
本书主要内容
● Keras、TensorFlow、gensim和 scikit-learn等工具的使用。
● 基于规则的自然语言处理和基于数据的自然语言处理。
● 可扩展的自然语言处理流水线。
阅读本书，读者需要对深度学习的知识有基本的了解，并具有中等水平的Python 编程技能。
内容简介
本书是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：第一部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。
本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。
作者简介
作者简介
霍布森.莱恩（Hobson Lane）拥有20年构建自主系统的经验，这些系统能够代表人类做出重要决策。Hobson在Talentpair训练机器完成简历的阅读和理解，以减少招聘者产生的偏见。在Aira，他帮助构建了第一个聊天机器人，为视障人士描述视觉世界。他是Keras、scikit-learn、PyBrain、PUGNLP和ChatterBot等开源项目的积极贡献者。他目前正在从事完全公益的开放科学研究和教育项目，包括构建一个开放源码的认知助手。他在AIAA、PyCon、PAIS和IEEE上发表了多篇论文和演讲，并获得了机器人和自动化领域的多项专利。
科尔.霍华德（Cole Howard）是一位机器学习工程师、NLP实践者和作家。他一生都在寻找模式，并在人工神经网络的世界里找到了自己真正的家。他开发了大型电子商务推荐引擎和面向超维机器智能系统（深度学习神经网络）的最先进的神经网络，这些系统在Kaggle竞赛中名列前茅。他曾在Open Source Bridge和Hack University 大会上发表演讲，介绍卷积神经网络、循环神经网络及其在自然语言处理中的作用。
汉纳斯.马克斯.哈普克（Hannes Max Hapke）是从一位电气工程师转行成为机器学习工程师的。他在高中研究如何在微控制器上计算神经网络时，对神经网络产生了浓厚的兴趣。Hannes喜欢自动化软件开发和机器学习流水线。他与合作者共同开发了面向招聘、能源和医疗应用的深度学习模型和机器学习流水线。Hannes在包括OSCON、Open Source Bridge和Hack University在内的各种会议上发表演讲介绍机器学习。
译者简介
史亮 小米NLP高级软件工程师，本科毕业于武汉大学，后保送中科院计算所硕博连读，获得博士学位。目前主要负责小米MiNLP平台的研发工作。
鲁骁 小米NLP高级软件工程师，本科、硕士毕业于华中科技大学，博士毕业于中科院计算所。目前主要从事大规模文本分类、内容过滤、人机对话等方向的研发工作。
唐可欣 小米NLP软件工程师，本科毕业于西安电子科技大学，硕士毕业于法国巴黎高科电信学院。主要从事语言模型、意图分析、情感分析等方向的研发工作。
王斌 小米AI实验室主任、NLP首席科学家，前中科院博导、研究员，中国科学院大学教授。译有《信息检索导论》《大数据：互联网大规模数据挖掘与分布式处理》《机器学习实战》等书籍。
📑 章节目录
- 第1章 NLP概述
- 第2章 词袋模型与TF-IDF向量化
- 第3章 词向量与语义表示
- 第4章 神经网络基础
- 第5章 卷积神经网络在NLP中的应用
- 第6章 循环神经网络与LSTM
- 第7章 序列到序列建模与注意力机制
- 第8章 信息提取实战
- 第9章 问答系统构建
- 第10章 人机对话系统
