Сучасний аналіз тексту тепер дуже доступний за допомогою Python та інструментів з відкритим вихідним кодом, тож дізнайтеся, як тепер можна виконувати сучасний аналіз тексту в цю еру текстових даних. У цій книзі показано, як використовувати обробку природної мови та алгоритми комп’ютерної лінгвістики, щоб зробити висновки та отримати уявлення про дані, які у вас є. Ці алгоритми засновані на статистичному машинному навчанні та методах штучного інтелекту. Інструменти для роботи з цими алгоритмами доступні вам прямо зараз – з Python і такими інструментами, як Gensim і spaCy. Ви почнете з вивчення очищення даних, а потім, як виконувати комп’ютерну лінгвістику з перших концепцій. Тоді ви будете готові досліджувати складніші сфери статистичної НЛП і глибокого навчання за допомогою Python, використовуючи реалістичні зразки мови та тексту. Ви навчитеся додавати теги, аналізувати та моделювати текст за допомогою найкращих інструментів. Ви отримаєте практичні знання про найкращі фреймворки для використання та знатимете, коли вибрати такий інструмент, як Gensim, для тематичних моделей, а коли працювати з Keras для глибокого навчання. У цій книзі баланс між теорією та практичними заняттями приклади, щоб ви могли вивчати та проводити власні проекти обробки природної мови та комп’ютерної лінгвістики. Ви відкриєте для себе багату екосистему інструментів Python, доступних для проведення НЛП, і потрапите в цікавий світ сучасного аналізу тексту. Для кого призначена ця книга. Припускається, що вільно володіти Python, але книга намагається бути доступною навіть для початківців Python. Базова статистика корисна. З огляду на те, що в цій книзі описано обробку природної мови з перших принципів, це допомагає, хоча це і не є обов’язковою умовою, ознайомитися з основами лінгвістики.