Bibliothek	Standort	Signatur	Status	Rückgabedatum
Zweigstelle: onleihe	Standort 2:	Signatur:	Status: Zum Downloaden	Frist:

- Von der logistischen Regression ber Feed-Forward-Netze zu Encoder-Decoder-Modellen - Leicht verst„ndlich mit textbasierten Erkl„rungen und wenigen Formeln - Mit Fokus auf der Verarbeitung deutschsprachiger Texte - Ausfhrliche Python-Code-Erl„uterungen im Buch und Jupyter Notebooks auf GitHub - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Das Buch bietet eine leicht verst„ndliche Einfhrung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bew„hrter und neuerer NLP-Ans„tze und fhrt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren:  Vektorisierung von W”rtern mit Word Embedding.  Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen.  Aufbau von Sequence-to-Sequence-Modellen zur šbersetzung und fr Textzusammenfassungen.  Arbeit mit der Transformers-Bibliothek und Hugging Face. Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, šbersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.