파이토치로 배우는 자연어 처리 (딥러닝을 이용한 자연어 처리 애플리케이션 구축)

델립라오,브라이언맥머핸

DelipRao
프란시스코에기반을두고머신러닝과자연어처리연구에특화된컨설팅을제공하는회사인주스트웨어Joostware의창립자이다.또한뉴스미디어의팩트체크문제를해결하고자해커와AI연구자들이함께만든페이크뉴스챌린지FakeNewsChallenge의공동창립자다.델립은이전에트위터와아마존(알렉사Alexa)에서NLP연구와제품개발을했다.

1장_소개
1.1지도학습
1.2샘플과타깃의인코딩
1.3계산그래프
1.4파이토치기초
1.5연습문제
1.6요약
1.7참고문헌

2장_NLP기술빠르게훑어보기
2.1말뭉치,토큰,타입
2.2유니그램,바이그램,트라이그램,…,n-그램
2.3표제어와어간
2.4문장과문서분류하기
2.5단어분류하기:품사태깅
2.6청크나누기와개체명인식
2.7문장구조
2.8단어의미와의미론
2.9요약
2.10참고문헌

3장_신경망의기본구성요소
3.1퍼셉트론:가장간단한신경망
3.2활성화함수
3.3손실함수
3.4지도학습훈련알아보기
3.5부가적인훈련개념
3.6예제:레스토랑리뷰감성분류하기
3.7요약
3.8참고문헌

4장_자연어처리를위한피드포워드신경망
4.1다층퍼셉트론
4.2예제:MLP로성씨분류하기
4.3합성곱신경망
4.4예제:CNN으로성씨분류하기
4.5CNN에관한추가내용
4.6요약
4.7참고문헌

5장_단어와타입임베딩
5.1임베딩을배우는이유
5.2예제:CBOW임베딩학습하기
5.3예제:문서분류에사전훈련된임베딩을사용한전이학습
5.4요약
5.5참고문헌

6장_자연어처리를위한시퀀스모델링-초급
6.1순환신경망소개
6.2예제:문자RNN으로성씨국적분류하기
6.3요약
6.4참고문헌

7장_자연어처리를위한시퀀스모델링-중급
7.1엘만RNN의문제점
7.2엘만RNN의문제해결책:게이팅
7.3예제:문자RNN으로성씨생성하기
7.4시퀀스모델훈련노하우
7.5참조문헌

8장_자연어처리를위한시퀀스모델링-고급
8.1시퀀스-투-시퀀스모델,인코더-디코더모델,조건부생성
8.2강력한시퀀스모델링:양방향순환모델
8.3강력한시퀀스모델링:어텐션
8.4시퀀스생성모델평가
8.5예제:신경망기계번역
8.6요약

9장_고전모델,최신모델,더배울것들
9.1지금까지배운내용
9.2전통적인NLP주제
9.3최신NLP모델
9.4NLP시스템을위한디자인패턴
9.5더배울것들
9.6참고문헌

수식없이예제를통해배우는자연어처리&딥러닝
자연어처리와딥러닝은급격히성장하고있는분야입니다.특히머신러닝,딥러닝은지적인과학이라기보다경험적인학문입니다.이책은자연어처리(NLP)와딥러닝을처음접하는독자를위해두분야에서중요하면서기본이되는내용을주로다룹니다.복잡한수식과이론보다는구현에중점을두어딥러닝과자연어처리를학습할수있으며,모든예제는구글코랩에서파이토치를기반으로실습할수있습니다.실습예제는딥러닝과자연어처리를학습하고이해하는데꼭필요한내용을위주로구성되었습니다.책을통해독자가기초적인토대를다지고이분야의가능성을엿볼수있기를바랍니다.각장의친절한엔드투엔드예제가여러분을이런경험으로안내할것입니다.

주요내용
● 계산그래프및지도학습이해하기
● 신경망을구축하는기본적인방법
● 자연어처리의기본개념학습하기
● 자연어처리를위한피드-포워드신경망
● 임베딩을사용해단어,문장,문서및기타기능나타내기
● 자연어처리를위한시퀀스데이터모델링-초급,중급,고급
● 시퀀스예측및시퀀스-투-시퀀스모델확장
● 카카오브레인에서만든자연어처리라이브러리뽀로로(pororo)살펴보기(한국어판부록)