Бенгфорт, Білбро, Охеда: Прикладний аналіз текстових даних на Python

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

Нейронні мережі здатні вирішувати найскладніші завдання обробки природної мови, нікого не дивує машинний переклад, розмова з роботом в інтернет-магазині, перефразування, відповіді на запитання та підтримка діалогу.

Чому ж Сірі, Алекса та Аліса не хочуть нас розуміти, Google знаходить не те, що ми шукаємо, а машинні перекладачі радують нас прикладами "труднощів перекладу" з китайської на албанську? Відповідь у дрібницях - в алгоритмах, які правильно працюють у теорії, але складно реалізуються практично.

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 приступите до візуальної інтерпретації, аналізу графів, а після знайомства з прийомами масштабування навчитеся використовувати глибоке навчання для аналізу тексту.