[Boekrecensie] Natural Language Processing with Transformers, Revised Edition (Lewis Tunstall) Boeksamenvatting.

Natural Language Processing with Transformers, Revised Edition (Lewis Tunstall)

- Amazon Netherlands Store: https://www.amazon.nl/dp/1098136799?tag=9natreedutch-21
- Amazon Belgium Store: https://www.amazon.com.be/dp/1098136799?tag=9natreebelgium-21
- Amazon Worldwide Store: https://global.buys.trade/Natural-Language-Processing-with-Transformers%2C-Revised-Edition-Lewis-Tunstall.html

- Apple Books: https://books.apple.com/us/audiobook/natural-language-processing-with-transformers-revised/id1823000793?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=Natural+Language+Processing+with+Transformers+Revised+Edition+Lewis+Tunstall+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Lees meer: https://dutch.9natree.com/read/1098136799/

#HuggingFaceTransformers #Finetuningvanvoorgetraindemodellen #Crosslingualtransferlearning #Namedentityrecognition #Knowledgedistillationenquantisatie #NaturalLanguageProcessingwithTransformersRevisedEdition

Natural Language Processing with Transformers, Revised Edition, van Lewis Tunstall, Leandro von Werra en Thomas Wolf, is een praktische technische gids voor het bouwen van taaltoepassingen met de Hugging Face Transformers-bibliotheek. Het boek hoort thuis in de categorie machine learning en natuurlijke-taalverwerking, en richt zich op datawetenschappers, programmeurs en machinelearning engineers die moderne transformer-modellen daadwerkelijk willen gebruiken. De auteurs combineren uitleg over de werking van transformers met codegerichte oefeningen rond herkenbare NLP-taken. Daarbij gaat het niet alleen om het kiezen van een bestaand model, maar ook om voorbereiding van data, fine-tuning, evaluatie en inzet in productie. De herziene editie behandelt onder meer tekstclassificatie, meertalige named entity recognition, tekstgeneratie, samenvatting en vraagbeantwoording. Ook de minder glamoureuze, maar essentiële kanten komen aan bod, zoals werken met weinig gelabelde voorbeelden, efficiëntie en schaalbaarheid. De centrale bedoeling is helder, transformers begrijpelijk en toepasbaar maken, zonder te doen alsof één vooraf getraind model elk taalprobleem automatisch oplost.