ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications

دانلود کتاب کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید

The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications

مشخصات کتاب

The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 180020874X, 9781800208742 
ناشر: Packt Publishing 
سال نشر: 2020 
تعداد صفحات: 383 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 35 مگابایت

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب The Applied AI and Natural Language Processing Workshop: Explore practical ways to transform your simple projects into powerful intelligent applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب کارگاه آموزشی کاربردی هوش مصنوعی و پردازش زبان طبیعی: راههای عملی را برای تبدیل پروژه های ساده خود به برنامه های کاربردی هوشمند قدرتمند کشف کنید



با کمک فعالیت‌های جذاب، یاد بگیرید که چگونه از خدمات وب آمازون برای ساخت برنامه‌های هوشمند بدون سرور استفاده کنید که می‌توانند اطلاعات را در کمترین زمان پردازش کنند

ویژگی‌های کلیدی

< ul>
  • یاد بگیرید چگونه سرویس های ذخیره سازی ساده آمازون را با پروژه های هوش مصنوعی و NLP ادغام کنید
  • با محاسبات بدون سرور و برنامه های کاربردی آن آشنا شوید
  • برنامه های هوشمندی مانند چت بات ها و تشخیص تصویر ایجاد کنید. models

    • توضیحات کتاب

    آیا مجذوب برنامه‌هایی مانند الکسا و سیری هستید و اینکه چگونه اطلاعات را در عرض چند ثانیه قبل از ارائه نتایج دقیق پردازش می‌کنند؟ آیا به دنبال راهنمای عملی هستید که به شما یاد دهد چگونه اپلیکیشن های هوشمندی بسازید که می توانند دنیای هوش مصنوعی را متحول کنند؟ کارگاه کاربردی هوش مصنوعی و NLP شما را به یک سفر عملی می برد که در آن یاد خواهید گرفت که چگونه برنامه های هوش مصنوعی (AI) و پردازش زبان طبیعی (NLP) را با خدمات وب آمازون (AWS) بسازید.

    شروع با این کتاب که مقدمه ای بر هوش مصنوعی و یادگیری ماشینی است، نحوه عملکرد Amazon S3 یا سرویس ذخیره سازی ساده آمازون را توضیح می دهد. سپس هوش مصنوعی را با AWS ادغام خواهید کرد تا خدمات بدون سرور بسازید و از سرویس NLP آمازون Comprehend برای انجام تجزیه و تحلیل متن روی یک سند استفاده کنید. همانطور که پیش می روید، این کتاب به شما کمک می کند تا با مدل سازی موضوعات برای استخراج و تجزیه و تحلیل مضامین رایج در مجموعه ای از اسناد با موضوعات ناشناخته آشنا شوید. همچنین می‌توانید با آمازون Lex برای ایجاد و سفارشی‌سازی یک ربات چت برای اتوماسیون وظایف و استفاده از شناسایی آمازون برای تشخیص اشیا، صحنه‌ها و متن در تصاویر کار کنید.

    تا پایان کارگاه آموزشی هوش مصنوعی و NLP کاربردی، شما به دانش و مهارت های مورد نیاز برای ساخت برنامه های هوشمند مقیاس پذیر با AWS مجهز خواهید شد.

    آنچه یاد خواهید گرفت

    • اصولات هوش مصنوعی، ML و AWS را درک کنید.
    • کاوش در خط فرمان AWS، رابط آن و برنامه های آن
    • وارد کردن و صادرات داده ها به Amazon S3
    • انجام مدل سازی موضوع بر روی مجموعه ای از اسناد برای تجزیه و تحلیل تم های رایج
    • یک ربات چت سفارشی ایجاد کنید تا آخرین قیمت های بازار سهام را دریافت کنید
    • یک مرکز تماس شخصی ایجاد کنید و آن را به چت بات متصل کنید

    Who این کتاب برای

    اگر شما یک علاقه‌مند به یادگیری ماشین، دانشمند داده یا برنامه‌نویس هستید که می‌خواهید قابلیت‌های هوش مصنوعی و یادگیری ماشین AWS را بررسی کنید، این کتاب برای شما مناسب است. اگرچه ضروری نیست، اما درک اولیه AI و NLP به درک سریع موضوعات کلیدی کمک می کند.

    فهرست محتوا

    1. مقدمه ای بر AWS
    2. تجزیه و تحلیل اسناد و متن با پردازش زبان طبیعی
    3. مدلسازی موضوع و استخراج موضوع
    4. هوش مصنوعی مکالمه
    5. استفاده از گفتار با چت بات
    6. رایانه پردازش بینایی و تصویر

    توضیحاتی درمورد کتاب به خارجی

    With the help of engaging activities, learn how to leverage Amazon Web Services for building serverless intelligent applications that can process information in no time

    Key Features

    • Learn how to integrate Amazon's Simple Storage Services with AI and NLP projects
    • Get to grips with serverless computing and its applications
    • Create intelligent applications such as chatbots and image recognition models

    Book Description

    Are you fascinated with applications like Alexa and Siri and how they accurately process information within seconds before returning accurate results? Are you looking for a practical guide that will teach you how to build intelligent applications that can revolutionize the world of artificial intelligence? The Applied AI and NLP Workshop will take you on a practical journey where you will learn how to build artificial intelligence (AI) and natural language processing (NLP) applications with Amazon Web services (AWS).

    Starting with an introduction to AI and machine learning, this book will explain how Amazon S3, or Amazon Simple Storage Service, works. You'll then integrate AI with AWS to build serverless services and use Amazon's NLP service Comprehend to perform text analysis on a document. As you advance, the book will help you get to grips with topic modeling to extract and analyze common themes on a set of documents with unknown topics. You'll also work with Amazon Lex to create and customize a chatbot for task automation and use Amazon Rekognition for detecting objects, scenes, and text in images.

    By the end of The Applied AI and NLP Workshop, you'll be equipped with the knowledge and skills needed to build scalable intelligent applications with AWS.

    What you will learn

    • Grasp the fundamentals of AI, ML, and AWS
    • Explore the AWS command line, its interface, and its applications
    • Import and export data to Amazon S3
    • Perform topic modeling on a set of documents to analyze common themes
    • Develop a custom chatbot to get the latest stock market quotes
    • Create a personal call center and connect it to the chatbot

    Who this book is for

    If you are a machine learning enthusiast, data scientist, or programmer who wants to explore AWS's artificial intelligence and machine learning capabilities, this book is for you. Although not necessary, a basic understanding of AI and NLP will assist with grasping key topics quickly.

    Table of Contents

    1. An Introduction to AWS
    2. Analyzing Documents and Text with Natural Language Processing
    3. Topic Modeling and Theme Extraction
    4. Conversational Artificial Intelligence
    5. Using Speech with the Chatbot
    6. Computer Vision and Image Processing


    فهرست مطالب

    Cover
FM
Copyright
Table of Contents
Preface
Chapter 1: An Introduction to AWS
	Introduction
	How Is AWS Special?
		What Is ML?
		What Is AI?
	What Is Amazon S3?
		Why Use S3?
		The Basics of Working on AWS with S3
		AWS Free-Tier Account
			AWS Account Setup and Navigation
		Downloading the Support Materials for This Book
		A Word about Jupyter Notebooks
		Importing and Exporting Data into S3
		How S3 Differs from a Filesystem
	Core S3 Concepts
		S3 Operations
	Data Replication
		The REST Interface
		Exercise 1.01: Using the AWS Management Console to Create an S3 Bucket
		Exercise 1.02: Importing and Exporting the File with Your S3 Bucket
	The AWS CLI
		Exercise 1.03: Configuring the CLI
	CLI Usage
	Recursion and Parameters
		Activity 1.01: Putting the Data into S3 with the CLI
	Using the AWS Console to Identify ML Services
		Exercise 1.04: Navigating the AWS Management Console
		Exercise 1.05: Testing the Amazon Comprehend API Features
		The Utility of the AWS Console Interface to AI Services
	Summary
Chapter 2: Analyzing Documents and Text with Natural Language Processing
	Introduction
	Serverless Computing
		Amazon Lambda and Function as a Service
		Serverless Computing as an Approach
	Amazon Comprehend
	What Is an NLP Service?
	Using Amazon Comprehend to Inspect Text and Determine the Primary Language
		Exercise 2.01: Detecting the Dominant Language in a Text Document Using the Command-Line Interface
		Exercise 2.02: Detecting the Dominant Language in Multiple Documents by Using the CLI
	Extracting Information from a Set of Documents
		Detecting Named Entities—AWS SDK for Python (boto3)
		DetectEntities – Input and Output
		Exercise 2.03: Determining the Named Entities in a Document (the DetectEntities method)
		Exercise 2.04: Detecting Entities in a Set of Documents (Text Files)
		Detecting Key Phrases
		Exercise 2.05: Detecting Key Phrases
		Detecting Sentiments
		Exercise 2.06: Conducting Sentiment Analysis
	Setting Up a Lambda Function and Analyzing Imported Text Using Comprehend
		Integrating Comprehend and AWS Lambda for responsive NLP
		What Is AWS Lambda?
		What Does AWS Lambda Do?
		Lambda Function Anatomy
		Exercise 2.07: Setting Up a Lambda Function for S3
		Exercise 2.08: Assigning Policies to S3_trigger to Access Comprehend
		Activity 2.01: Integrating Lambda with Amazon Comprehend to Perform Text Analysis
	Amazon Textract
		Exercise 2.09: Extracting Tax Information Using Amazon Textract
	Summary
Chapter 3: Topic Modeling and Theme Extraction
	Introduction
	Topic Modeling with Latent Dirichlet Allocation (LDA)
		Basic LDA Example
		Why Use LDA?
	Amazon Comprehend—Topic Modeling Guidelines
		Exercise 3.01: Using Amazon Comprehend to Perform Topic Modeling on Two Documents with Known Topics
		Exercise 3.02: Performing Known Structure Analysis Programmatically
		Activity 3.01: Performing Topic Modeling on a Set of Documents with Unknown Topics
	Summary
Chapter 4: Conversational Artificial Intelligence
	Introduction to Conversational AI
		Interaction Types
		Omnichannel
	What Is a Chatbot?
	What Is Natural Language Understanding?
		Core Concepts in a Nutshell
			Chatbot
			Utterances
			Intent
			Prompts
			Slot
			Fulfillment
	Best Practices for Designing Conversational AI
	Creating a Custom Chatbot
	A Bot That Recognizes an Intent and Filling a Slot
		Exercise 4.01: Creating a Bot That Will Recognize an Intent and Fill a Slot
		Natural Language Understanding Engine
	Lambda Function – Implementing Business Logic
		Exercise 4.02: Creating a Lambda Function to Handle Chatbot Fulfillment
		Implementing the Lambda Function
		Input Parameter Structure
		Implementing the High-Level Handler Function
		Implementing the Function to Retrieve the Market Quote
		Returning the Information to the Calling App (the Chatbot)
		Connecting to the Chatbot
		Debugging Tips
	Summary
Chapter 5: Using Speech with the Chatbot
	Amazon Connect Basics
		Free Tier Information
	Interacting with the Chatbot
	Talking to Your Chatbot through a Call Center Using Amazon Connect
		Exercise 5.01: Creating a Personal Call Center
		Exercise 5.02: Obtaining a Free Phone Number for Your Call Center
	Using Amazon Lex Chatbots with Amazon Connect
		Understanding Contact Flows
		Contact Flow Templates
		Exercise 5.03: Connecting the Call Center to Your Lex Chatbot
		Activity 5.01: Creating a Custom Bot and Connecting the Bot with Amazon Connect
	Summary
Chapter 6: Computer Vision and Image Processing
	Introduction
	Amazon Rekognition Basics
		Free Tier Information on Amazon Rekognition
	Rekognition and Deep Learning
		Detecting Objects and Scenes in Images
		Exercise 6.01: Detecting Objects and Scenes Using Your Images
	Image Moderation
		Exercise 6.02: Detecting Objectionable Content in Images
	Facial Analysis
		Exercise 6.03: Analyzing Faces with Your Own Images
	Celebrity Recognition
		Exercise 6.04: Recognizing Celebrities in Your Images
	Face Comparison
		Activity 6.01: Creating and Analyzing Different Faces in Rekognition
	Text in Images
		Exercise 6.05: Extracting Text from Your Own Images
	Summary
Appendix
Index




    نظرات کاربران

    تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
    نماد اعتماد الکترونیکی