Прикладний аналіз текстових даних на Python. Бенгфорт Б.Білбро Р.Охеда Т

Технології аналізу текстової інформації стрімко змінюються під впливом машинного навчання. Нейронні мережі з теоретичних наукових досліджень перейшли в реальне життя, і аналіз тексту активно інтегрується в програмні рішення. 

Нейронні мережі здатні виконувати найскладніші завдання оброблення природної мови, нікого не дивує машинний переклад, «бесида» з роботом в інтернет-магазині, перефразування, відповіді на питання та підтримання діалогу.

Чому ж Сірі, Алекса та Аліса не хочуть нас розуміти, Google знаходить не те, що ми досліджуємо, а машинні68ам веселять нас прикладами «трудств переведення» з китайської на албанський? Відповідь криється в дрібницях — у алгоритмах, які правильно працюють у теорії, але складно реалізуються на практиці.

Навчіться застосовувати методи машинного навчання для аналізу тексту в реальних завданнях, використовуючи можливості та бібліотеки Python. Від пошуку моделі та попередньої обробки даних ви перейдете до прийомів класифікації та кластеризації текстів, потім беріться до візуальної інтерпретації, аналізу графів, а після знайомства з прийманнями масштабування навчитеся використовувати глибоке навчання для аналізу тексту.