Технологии анализа текстовой информации стремительно меняются под влиянием машинного
обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь,
и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать
самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод,
«беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диа-
лога. Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем,
а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский?
Ответ кроется в мелочах — в алгоритмах, которые правильно работают в теории, но сложно реализу-
ются на практике. Научитесь применять методы машинного обучения для анализа текста в реальных
задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки
данных вы перейдете к приемам классификации и кластеризации текстов, затем приступите к визу-
альной интерпретации, анализу графов, а после знакомства с приемами масштабирования научитесь
использовать глубокое обучение для анализа текста.
