ディープラーニングによる自然言語処理　Advanced Python 2

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。

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。

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。

本書では、応用範囲の広い「時系列解析」について、マーケティングやIoTなどの現場における実解析で応用ができるように解説の内容を選定し、手法の基礎的な理論をPythonのサンプルコードとともに解説した。簡単なデータを用いた簡単な課題を例にとり、基礎的なモデル構築の過程を段階的に体験できるように、また、自学により応用範囲を広げてもらえるように、どの場面で、なぜその手法を使うのかを考えられるように説明している。

本書では、経済・マーケティングの分野で多く用いられるARモデルに代表される自己回帰型の古典的なデータ解析手法、工学分野の信号処理でも活躍の場面が多いカルマンフィルタに代表される状態空間モデル、IoT分野で活躍の場面が多い異常検知について説明している。

解説では、各手法について、より簡単な手法から説明し、各データに対してモデリングがうまくいかない理由とその克服方法を合わせて提示することで、段階的に各手法の必要性を理解できるように心がけている。