輕鬆學自然語言處理－電腦這樣理解語言 (學AI真簡單系列3)
AI4kids
- 出版商: 全華圖書
- 出版日期: 2021-04-27
- 定價: $280
- 售價: 9.0 折 $252
- 語言: 繁體中文
- 頁數: 168
- ISBN: 9865036681
- ISBN-13: 9789865036683
-
相關分類:
Text-mining
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$790Java for COBOL Programmers, 3/e (Paperback) -
人工智能基礎 (高中版)$210$200 -
Deep Learning 2｜用 Python 進行自然語言處理的基礎理論實作$680$537 -
玩轉社群：文字大數據實作, 2/e$380$342 -
Python 網路文字探勘入門到上手 : 10堂基礎+5場實戰，搞定網路爬蟲、文本分析的淘金指南 (附光碟)$450$405 -
Deep Learning - Hardware Design$680$646 -
運算思維修習學堂：使用 Python 的 10堂入門程式課$380$296 -
NLP 工程師養成術：自然語言處理入門$690$538 -
深度學習 -- 硬體設計$750$675 -
自然語言處理最佳實務｜全面建構真正的 NLP 系統 (Practical Natural Language Processing: A Comprehensive Guide to Building Real-World Nlp Systems)$780$616 -
最新 AI 技術：知識圖譜集技術概念大成$980$647 -
Python : 股票演算法交易實務 147個關鍵技巧詳解, 2/e$580$452 -
初探機器學習－從認識 AI 到 Kaggle競賽 (學AI真簡單系列1)$280$252 -
動手做深度學習－揭開神經網路的面紗 (學AI真簡單系列2)$280$252 -
玩轉 AIoT 智慧物聯網－智慧居家動手做 (學AI真簡單系列5)$280$252 -
探究巨量資料 - 洞察大數據的奧秘 (學AI真簡單系列4)$280$252 -
原來AI這麼簡單！：熟練機器學習5大步驟，就算不會寫程式，也能成為AI高手$300$270 -
速查! 數學大百科事典 – 127 個公式、定理、 法則$500$395 -
超圖解資料科學 ✕ 機器學習實戰探索 - 使用 Python$560$442 -
淺談邊緣運算 : 智慧生活大趨勢 (學AI真簡單系列6)$280$252 -
深度學習 -- 最佳入門邁向 AI 專題實戰 (書籍有些許瑕疵,不介意再下單)$1,200$792 -
NLP 大神 RNN 網路：Python 原始程式碼手把手帶你寫$890$587 -
全中文自然語言處理：Pre-Trained Model 方法最新實戰$880$695 -
機器學習最強入門 - 基礎數學／機率／統計邁向AI真實數據專題實作 - 王者歸來$980$647 -
深入淺出 IoT：完整項目通關實戰$654$621
相關主題
商品描述
本書特色
透過本書，可以：
•了解自然語言處理(NLP)的概念
•了解各種自然語言處理的方法
•如何使用循環神經網路(RNN)、長短期記憶法(LSTM)對句子進行情緒分析
•如何使用RNN、LSTM對句子內的詞標註詞性
內容簡介
本書有系統地介紹了自然語言處理（NLP）的基礎技術，從傳統的統計處理方法過渡到近年興起基於類神經網路的處理方法，用通俗易懂的語言說明自然語言處理的概念，於各章節中也都有配合實際範例描述所介紹的方法，讓讀者有更紮實的理解。內容深入淺出、容易理解，相信本書會讓讀者有所收獲。
本書作者為AI4kids團隊，曾應教育部國教署邀請，至全國高中主任會議分享AI教學、親子天下雜誌專文報導，成員來自AIA台灣人工智慧學校的校友，團隊有軟體技術、創新研發、工程管理、電商行銷等資歷專長，因為對AI科技教育的熱情而投入AI的教案研發與教學，目標是透過教孩子動手實作AI專題，來啟發他們對好奇心與想像力，協助他們運用各種程式或平台工具來探索、創造自己的AI應用。
目錄大綱
第1章 自然語言處理介紹
1-1 前言
1-2 何謂「自然語言處理」？
1-3 傳統的自然語言處理
1-4 深度學習的自然語言處理
1-5 小結
第2章 電腦學中文的第一步：斷詞
2-1 前言
2-2 語料庫
2-3 最大匹配法
2-4 斷詞工具
2-5 中文斷詞工具──Jieba
2-6 中研院斷詞系統─CKipTagger
2-7 小結
第3章 基於統計的自然語言處理
3-1 前言
3-2 One-hot表示法
3-3 詞袋表示法
3-4 TF-IDF表示法
3-5 N元語法
3-6 小結
第4章 基於類神經的自然語言處理
4-1 前言
4-2 詞嵌入
4-3 國王–他 + 她 = 皇后
4-4 Skip-gram模型與CBOW模型
4-5 訓練詞彙向量
4-6 小結
第5章 循環神經網路簡介
5-1 前言
5-2 認識序列資料
5-3 類神經網路的演進
5-4 循環神經網路
5-5 循環神經網路的種類
5-6 長短期記憶神經網路
5-7 小結
第6章 RNN與LSTM實作：IMDB情緒分析
6-1 前言
6-2 載入與了解IMDB網路電影資料集
6-3 資料預處理
6-4 建構RNN及LSTM模型
6-5 小結
第7章 RNN與LSTM實作：詞性標註
7-1 前言
7-2 載入與了解詞性標註資料集
7-3 資料預處理
7-4 建立字典
7-5 獲得訓練集與測試集
7-6 TensorFlow data pipeline
7-7 建構RNN及LSTM模型
7-8 小結
附錄A Python基礎語法查詢表
A-1 Python基本概念
附錄B Google Colab使用簡介
B-1 Google Colaboratory介紹
B-2 Notebook組態設定
B-3 檢視目前Python版本與套件清單
