「許多偉大的書籍專門探討基礎的ML演算法，但這本書揭露真實系統的結構。對渴望實際建構和部署NLP的專業人士而言，本書具備無可估量的價值。」
—Zachary Lipton
Carnegie Mellon大學助理教授，Amazon AI科學家，《Dive into Deep Learning》作者
很多著作和課程都使用簡單的案例和定義良好的資料組來處理自然語言處理(NLP)問題，但是，如果你想在商業環境中建構、迭代與擴展NLP系統，並為特定的產業鏈量身打造系統，這本書是為你而寫的指南。軟體工程師與資料科學家可從這本書學會如何在遇到每一個複雜選項時做出正確的選擇。
本書作者們將說明如何在更大型的生產環境中建構真正的NLP解決方案，告訴你如何針對各種產業鏈(例如醫療保健、社交媒體與零售)調整解決方案。
藉由這本書，你將：
‧了解在NLP領域中，廣泛的問題陳述方式、任務與解決方案
‧實作與評估各種運用機器學習與深度學習方法的NLP應用程式
‧根據商務問題與產業鏈來微調NLP解決方案
‧評估各種NLP生產任務、資料組與工作階段的演算法與做法
‧遵守NLP系統的釋出、部署、DevOps的最佳實踐法製作軟體解決方案
‧從商務與產品主管的角度，了解NLP的最佳實踐法、機會與路線圖
作者
Sowmya Vajjala
是加拿大國家研究委員會的研究員，曾經在學術界與業界建構多語言NLP系統。
Bodhisattwa Majumder
是加州大學聖地牙哥分校的博士候選人，曾經在Google AI與Microsoft Research建構NLP系統。
Anuj Gupta
是Vahan的機器學習主管，曾經在財星(Fortune)百大企業和初創企業中開創與領導多個ML團隊。
Harshit Surana
是DeepFlux的共同創辦人與首席技術官。他曾經在Carnegie Mellon大學與MIT Media實驗室進行NLP與ML研究。
目錄
前言
第一部分 基礎
第1章 NLP：入門
第2章 NLP 處理線
第3章 原文表示法
第二部分 要領
第4章 Text Classification：原文分類
第5章 資訊提取
第6章 聊天機器人
第7章 主題概述
第三部分 應用
第8章 社交媒體
第9章 電子商務與零售
第10章 醫療保健、金融和法律
第四部分 整合一切
第11章 端對端 NLP 程序
索引
