파이토치로 배우는 자연어 처리
도서+교보Only(교보배송)을 함께 15,000원 이상 구매 시 무료배송
15,000원 미만 시 2,500원 배송비 부과
20,000원 미만 시 2,500원 배송비 부과
15,000원 미만 시 2,500원 배송비 부과
1Box 기준 : 도서 10권
알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.
해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
패키지
북카드
키워드 Pick
키워드 Pick 안내
관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.
이 책은 자연어 처리 및 딥러닝 알고리즘 학습에 필요한 내용을 다룬다. 또한 파이토치를 사용해 자연어 처리 과정에서 직면할 수 있는 문제와 다양한 텍스트를 표현하는 애플리케이션을 구축하는 방법을 보여준다. 딥러닝 및 자연어 처리 기초부터 난도 시퀀스 모델링까지 쉽고 빠르게 익혀보세요.
작가정보
저자(글) 델립 라오
Delip Rao
프란시스코에 기반을 두고 머신러닝과 자연어 처리 연구에 특화된 컨설팅을 제공하는 회사인 주스트웨어Joostware의 창립자이다. 또한 뉴스 미디어의 팩트 체크 문제를 해결하고자 해커와A I 연구자들이 함께 만든 페이크 뉴스 챌린지Fake News Challenge의 공동 창립자다. 델립은 이전에 트위터와 아마존(알렉사Alexa )에서 NLP 연구와 제품 개발을 했다.
저자(글) 브라이언 맥머핸
Brian McMahan
웰스 파고Wells Fargo의 연구 과학자로 주로 자연어 처리를 연구한다. 이전에는 주스트웨어에서 자연어 처리를 연구했다.
ML GDEMachine Learning Google Developer Expert. 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 텐서 플로우 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했다.
『머신 러닝 교과서 3판』(길벗, 2021), 『딥러닝 일러스트레이티드』(시그마프레스, 2021), 『GAN
인 액션』(한빛미디어, 2020), 『핸즈온 머신러닝 2판』(한빛미디어, 2020), 『미술관에 GAN 딥러닝
실전 프로젝트』(한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신
러닝 교과서』(길벗, 2019), 『(개정판)파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2019),
『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2017), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼다.
목차
- 1장_소개
1.1 지도 학습
1.2 샘플과 타깃의 인코딩
1.3 계산 그래프
1.4 파이토치 기초
1.5 연습문제
1.6 요약
1.7 참고 문헌
2장_NLP 기술 빠르게 훑어보기
2.1 말뭉치, 토큰, 타입
2.2 유니그램, 바이그램, 트라이그램, …, n-그램
2.3 표제어와 어간
2.4 문장과 문서 분류하기
2.5 단어 분류하기: 품사 태깅
2.6 청크 나누기와 개체명 인식
2.7 문장 구조
2.8 단어 의미와 의미론
2.9 요약
2.10 참고 문헌
3장_신경망의 기본 구성 요소
3.1 퍼셉트론: 가장 간단한 신경망
3.2 활성화 함수
3.3 손실 함수
3.4 지도 학습 훈련 알아보기
3.5 부가적인 훈련 개념
3.6 예제: 레스토랑 리뷰 감성 분류하기
3.7 요약
3.8 참고 문헌
4장_자연어 처리를 위한 피드 포워드 신경망
4.1 다층 퍼셉트론
4.2 예제: MLP로 성씨 분류하기
4.3 합성곱 신경망
4.4 예제: CNN으로 성씨 분류하기
4.5 CNN에 관한 추가 내용
4.6 요약
4.7 참고 문헌
5장_단어와 타입 임베딩
5.1 임베딩을 배우는 이유
5.2 예제: CBOW 임베딩 학습하기
5.3 예제: 문서 분류에 사전 훈련된 임베딩을 사용한 전이 학습
5.4 요약
5.5 참고 문헌
6장_자연어 처리를 위한 시퀀스 모델링 - 초급
6.1 순환 신경망 소개
6.2 예제: 문자 RNN으로 성씨 국적 분류하기
6.3 요약
6.4 참고 문헌
7장_자연어 처리를 위한 시퀀스 모델링 - 중급
7.1 엘만 RNN의 문제점
7.2 엘만 RNN의 문제 해결책: 게이팅
7.3 예제: 문자 RNN으로 성씨 생성하기
7.4 시퀀스 모델 훈련 노하우
7.5 참조 문헌
8장_자연어 처리를 위한 시퀀스 모델링 - 고급
8.1 시퀀스-투-시퀀스 모델, 인코더-디코더 모델, 조건부 생성
8.2 강력한 시퀀스 모델링: 양방향 순환 모델
8.3 강력한 시퀀스 모델링: 어텐션
8.4 시퀀스 생성 모델 평가
8.5 예제: 신경망 기계 번역
8.6 요약
9장_고전 모델, 최신 모델, 더 배울 것들
9.1 지금까지 배운 내용
9.2 전통적인 NLP 주제
9.3 최신 NLP 모델
9.4 NLP 시스템을 위한 디자인 패턴
9.5 더 배울 것들
9.6 참고 문헌
출판사 서평
수식 없이 예제를 통해 배우는 자연어 처리 & 딥러닝
자연어 처리와 딥러닝은 급격히 성장하고 있는 분야입니다. 특히 머신러닝, 딥러닝은 지적인 과학이라기보다 경험적인 학문입니다. 이 책은 자연어 처리(NLP)와 딥러닝을 처음 접하는 독자를 위해 두 분야에서 중요하면서 기본이 되는 내용을 주로 다룹니다. 복잡한 수식과 이론보다는 구현에 중점을 두어 딥러닝과 자연어 처리를 학습할 수 있으며, 모든 예제는 구글 코랩에서 파이토치를 기반으로 실습할 수 있습니다. 실습 예제는 딥러닝과 자연어 처리를 학습하고 이해하는 데 꼭 필요한 내용을 위주로 구성되었습니다. 책을 통해 독자가 기초적인 토대를 다지고 이 분야의 가능성을 엿볼 수 있기를 바랍니다. 각 장의 친절한 엔드 투 엔드 예제가 여러분을 이런 경험으로 안내할 것입니다.
주요 내용
● 계산 그래프 및 지도 학습 이해하기
● 신경망을 구축하는 기본적인 방법
● 자연어 처리의 기본 개념 학습하기
● 자연어 처리를 위한 피드-포워드 신경망
● 임베딩을 사용해 단어, 문장, 문서 및 기타 기능 나타내기
● 자연어 처리를 위한 시퀀스 데이터 모델링 - 초급, 중급, 고급
● 시퀀스 예측 및 시퀀스-투-시퀀스 모델 확장
● 카카오브레인에서 만든 자연어 처리 라이브러리 뽀로로(pororo) 살펴보기(한국어판 부록)
기본정보
ISBN | 9791162244333 ( 116224433X ) | ||
---|---|---|---|
발행(출시)일자 | 2021년 06월 01일 | ||
쪽수 | 296쪽 | ||
크기 |
183 * 235
* 17
mm
/ 668 g
|
||
총권수 | 1권 | ||
원서명/저자명 | Natural Language Processing with Pytorch/Delip Rao |
Klover
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
판매가 1,000원 미만 도서의 경우 리워드 지급 대상에서 제외됩니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
- 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
- 도서와 무관한 내용의 리뷰
- 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
- 의성어나 의태어 등 내용의 의미가 없는 리뷰
리뷰는 1인이 중복으로 작성하실 수는 있지만, 평점계산은 가장 최근에 남긴 1건의 리뷰만 반영됩니다.
구매 후 리뷰 작성 시, e교환권 200원 적립
문장수집
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
구매 후 리뷰 작성 시, e교환권 100원 적립