Product info / Cechy produktu:
Rodzaj (nośnik) / Item type
|
książka / book
|
Dział / Department
|
Książki i czasopisma / Books and periodicals
|
Autor / Author
|
Gazit Lior
,
Ghaffari Meysam
|
Tytuł / Title
|
Zaawansowane techniki przetwarzania języka naturalnego
|
Podtytuł / Subtitle
|
Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie
|
Język / Language
|
polski
|
Wydawca / Publisher
|
Helion
|
Rok wydania / Year published
|
2025
|
Tytuł originału / Original title
|
Mastering NLP from Foundations to LLMs: Apply advanced rule-based techniques to LLMs and solve real-world business problems using Python
|
|
|
Rodzaj oprawy / Cover type
|
Miękka
|
Wymiary / Size
|
16.5x23.5 cm
|
Liczba stron / Pages
|
320
|
Ciężar / Weight
|
0,5300 kg
|
|
|
ISBN
|
9788328920484 (9788328920484)
|
EAN/UPC
|
9788328920484
|
Stan produktu / Condition
|
nowy / new - sprzedajemy wyłącznie nowe nieużywane produkty
|
Book in Polish by Gazit Lior, Ghaffari Meysam. Uczenie maszynowe i duże modele językowe rewolucjonizują biznes i nasze codzienne życie. Potencjał tych innowacji jest trudny do oszacowania: modele LLM stały się wiodącym trendem w tworzeniu aplikacji i analizie danych. Integrowanie zaawansowanych modeli z systemami produkcyjnymi bywa jednak często wymagającym, a nawet niewdzięcznym zadaniem.
Na szczęście dzięki tej książce poradzisz sobie z takimi wyzwaniami! Najpierw zapoznasz się z matematycznymi podstawami algorytmów ML i NLP. Zaznajomisz się również z ogólnymi technikami uczenia maszynowego i dowiesz się, w jakim stopniu dotyczą one dużych modeli językowych. Kolejnym zagadnieniem będzie przetwarzanie danych tekstowych, w tym metody przygotowywania tekstu do analizy, po czym przyswoisz zasady klasyfikowania tekstu. Ponadto poznasz zaawansowane aspekty teorii, projektowania i stosowania LLM, wreszcie ― przyszłe trendy w NLP. Aby zdobyć praktyczne umiejętności, będziesz ćwiczyć na przykładach rzeczywistych zagadnień biznesowych i rozwiązań NLP.
W książce:
* podstawy matematyczne uczenia maszynowego i NLP
* zaawansowane techniki przetwarzania wstępnego i analizy danych tekstowych
* projektowanie systemów ML i NLP w Pythonie
* przetwarzanie tekstu z użyciem metod uczenia głębokiego
* modele LLM i ich implementacja w różnych aplikacjach AI
* trendy w NLP i potencjał tej technologii
Odkryj przyszłe trendy w NLP widziane oczami ekspertów!