NATURAL LANGUAGE PROCESSING: Dasar dan Konsep Bagi Pemula Jilid 1
Kata Kunci:
natural, language processing, NLPSinopsis
Natural Language Processing (NLP) adalah bidang yang menggabungkan ilmu komputer, linguistik, dan statistik untuk memungkinkan komputer memahami, menganalisis, dan menghasilkan bahasa manusia. Seiring dengan pesatnya perkembangan teknologi dan penggunaan data besar (big data), aplikasi NLP kini telah merambah banyak sektor, mulai dari asisten virtual, analisis sentimen, hingga penerjemahan otomatis.
Buku ini disusun sebagai upaya untuk memberikan pemahaman mendalam mengenai Natural Language Processing (NLP), salah satu cabang dari kecerdasan buatan (artificial intelligence) yang berkembang pesat di dunia teknologi informasi. Buku ini akan memperkenalkan konsep dasar, teknik-teknik utama, serta berbagai aplikasi NLP dalam kehidupan sehari-hari. Hadirnya buku ini di tangan pembaca dapat menjadi sumber referensi yang berguna bagi para mahasiswa, peneliti, maupun praktisi yang tertarik untuk mendalami dan mengembangkan teknologi NLP. Dengan begitu, penulis berharap buku ini dapat memberikan wawasan dan pemahaman yang lebih baik mengenai bagaimana teknologi NLP bekerja dan potensinya untuk masa depan.
Bab
-
KATA PENGANTAR
-
DAFTAR ISI
-
BAB 1 PENDAHULUAN NATURAL LANGUAGE PROCESSING (NLP)
-
BAB 2 DASAR-DASAR LINGUISTIK UNTUK NLP
-
BAB 3 REPRESENTASI TEKS DALAM NLP
-
BAB 4 PREPROCESSING DATA TEKS
-
BAB 5 PENGELOLAAN DATA TEKS DALAM NLP
-
BAB 6 PEMBELAJARAN MESIN DALAM NLP
-
BAB 7 DEEP LEARNING DAN NEURAL NETWORKS DALAM NLP
-
BAB 8 MODEL BAHASA DAN PEMBELAJARAN REPRESENTASI
-
BAB 9 PEMROSESAN TEKS UNTUK TUGAS-TUGAS NLP
-
BAB 10 ANALISIS TEKS DAN PENCARIAN INFORMASI
-
BAB 11 PEMROSESAN BAHASA UNTUK PENGENALAN SUARA DAN SPEECH-TO-TEXT
-
BAB 12 EVALUASI DAN UKURAN KINERJA DALAM NLP
-
BAB 13 TANTANGAN DAN PERKEMBANGAN MASA DEPAN NLP
-
BAB 14 APLIKASI NLP DALAM BERBAGAI BIDANG
-
DAFTAR PUSTAKA
-
PROFIL PENULIS
Unduhan
Referensi
Bengio, Y., Courville, A., & Vincent, P. (2013). Learning Deep Architectures for AI. Foundations and Trends® in Machine Learning.
Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit. O'Reilly Media.
Chomsky, N. (2006). The Minimalist Program. MIT Press.
Goldberg, Y. (2017). Neural Network Methods for Natural Language Processing. Morgan & Claypool Publishers.
Goldberg, Y. (2020). Transformers for Natural Language Processing: Build state-of-the-art natural language processing systems using the transformer architecture. Packt Publishing.
Hirschberg, J., & Manning, C. D. (2015). Advances in Natural Language Processing. Cambridge University Press.
Jurafsky, D., & Martin, J. H. (2008). Speech and Language Processing (2nd ed.). Pearson.
Jurafsky, D., & Martin, J. H. (2023). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (3rd ed.). Pearson.
Koehn, P. (2009). Statistical Machine Translation. Cambridge University Press.
Liddy, E. D. (2001). Natural Language Processing and Information Retrieval. Kluwer Academic Publishers.
Lin, C. Y. (2006). Automatic Text Summarization. In Handbook of Natural Language Processing (2nd ed.), CRC Press.
Manning, C. D., & Schütze, H. (1999). Foundations of Statistical Natural Language Processing. MIT Press.
Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed Representations of Words and Phrases and Their Compositionality. Advances in Neural Information Processing Systems (NeurIPS).
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A., Kaiser, Ł., & Polosukhin, I. (2017). Attention is All You Need. Advances in Neural Information Processing Systems (NeurIPS).
Yang, D., & Salakhutdinov, R. (2018). Deep Learning for NLP and Speech Recognition. Cambridge University Press.
