파이토치로 배우는 자연어 처리 pdf 다운로드를 무료로 제공합니다 자연어 처리(NLP)는 인공지능이 지닌 무한한 능력을 이용해 애플 시리, 아마존 알렉사, 구글 번역 등과 같은 제품을 탄생시켰다. 복잡하고 어렵게만 여겨지던 자연어 처리
관련 책 pdf 모음
책 소개
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.
파이토치로 배우는 자연어 처리 pdf
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