Ａｄｖａｎｃｅｄ　Ｐｙｔｈｏｎ　２「ディープラーニングによる自然言語処理」

【基礎から最先端のBERTまで、ディープラーニングによる自然言語処理をコードを動かしながら楽しく学ぶ】

ディープラーニングによる自然言語処理の基礎から応用までコードを動かしながら学べる書籍です。文書分類、評判分析、固有表現認識の3つの実践的なタスクを通じて、ディープラーニングによる自然言語処理を理論と実装の双方の側面から学ぶことができます。

■基礎から最先端のBERTまでを解説
ディープラーニングのモデルとして、bag-of-embeddings、CNN、LSTM、BERTの4つを解説しています。
基礎的なモデルから最先端のBERTまでを一冊で学べます。

■Pythonライブラリ「AllenNLP」を使ったモデル開発
ディープラーニングによる自然言語処理のためのPythonライブラリ「AllenNLP」を使えば、JSON形式の設定ファイルを書くだけで、一からプログラミングせずに自然言語処理のモデルを簡単に実装することができます。本書では、AllenNLPを使用したモデルの実装の方法について、基礎から丁寧に解説します。

■日本語のデータセットを使用
日本語のデータセットを使用して解説されており、作成したモデルをそのまま現場で使うことができます。

■Google Colabですぐに動かせる
解説に使用されているコードは、Google Colabを通じて、ウェブブラウザ上で環境構築なしですぐに動かすことができます。

目次

第1章 はじめに
1.1 自然言語処理とは
1.2 自然言語処理とディープラーニング
1.3 数式の表記

第2章 ニューラルネットワークの基礎
2.1 教師あり学習
2.2 パーセプトロンによる文書分類
2.3 ニューラルネットワーク
　2.3.1 活性化関数
　2.3.2 確率的勾配降下法と誤差逆伝播法
　2.3.3 ハイパーパラメータ
2.4 訓練，検証，テスト
2.5 PyTorch
　2.5.1 テンソルの作成と操作
　2.5.2 テンソルを用いた演算
　2.5.3 計算グラフと自動微分
　2.5.4 GPUの使用

第3章 文書分類モデルの実装
3.1 AllenNLPとは
3.2 自然言語処理のモデルの開発の流れ
3.3 Livedoorニュースコーパス
3.4 AllenNLPでモデルを実装する2つの方法
3.5 開発を始める前の準備
　3.5.1 環境のセットアップ
　3.5.2 データセットのセットアップ
3.6 Pythonコードによるモデルの開発
　3.6.1 乱数シードの指定
　3.6.2 トークナイザの実装
　3.6.3 データセットリーダの作成
　3.6.4 データローダの作成
　3.6.5 語彙とトークンインデクサ
　3.6.6 ミニバッチの生成
　3.6.7 bag-of-embeddingsモデル
　3.6.8 単語エンベディングの作成
　3.6.9 文書のベクトルの作成
　3.6.10 分類器の作成
　3.6.11 最適化器の作成
　3.6.12 トレイナの作成
　3.6.13 モデルの訓練
3.7 設定ファイルによるモデルの開発
　3.7.1 設定ファイルの作成
　3.7.2 モデルの訓練
　3.7.3 TensorBoardによる指標の確認
　3.7.4 性能の評価
　3.7.5 学習したモデルを使う

第4章 評判分析モデルの実装
4.1 畳み込みニューラルネットワーク
4.2 データセットのセットアップ
4.3 モ　ほか

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。