A medida que crece la potencia del aprendizaje automático y la inteligencia artificial, el procesamiento del lenguaje natural (PLN) cumple una función fundamental en la comunicación entre los humanos y los equipos. Cuanto mayor sea el foco en el PLN, más recursos en línea habrá disponibles. Sin embargo, a veces es necesario recurrir a los libros para aprender sobre temas tan complejos y multifacéticos. Los libros pueden aumentar el conocimiento general sobre los datos y contienen información esencial, por lo que son una gran introducción al PLN y clarifican teorías importantes y ejemplos de la realidad.
Estos son ocho libros excelentes que te ayudarán a ampliar tus conocimientos y a familiarizarte con las oportunidades que ofrece el PLN para las personas, las empresas y la sociedad. Estos libros se aplican a todos los niveles de habilidad analítica.
1. “Speech and Language Processing”
Autores: Daniel Jurafsky y James H. Martin
Sitio web: Sitio | Amazon
Este libro, escrito por el profesor de la Universidad de Stanford Dan Jurafsky y el profesor de la Universidad de Colorado James Martin, es una de las obras sobre PLN más consultadas y recomendadas, y ofrece una guía detallada sobre el tema del procesamiento del lenguaje. El objetivo de este libro es complementar los cursos de PLN o lingüística computacional que se dictan en las carreras universitarias y los doctorados. Sin embargo, es de lectura obligada para todos aquellos que deseen profundizar en la teoría y la aplicación del procesamiento del lenguaje a medida que desarrollan capacidades analíticas.
Esta es la segunda edición; Jurafsky y Martin se encuentran trabajando en la tercera y prevén tenerla lista para este año. Puedes ver una versión preliminar en la página web de Stanford de Jurafsky.
2. “Natural Language Understanding”
Autor: James Allen
Sitio web: Sitio del autor | Amazon
Este libro, que es considerado un clásico, es otra guía introductoria al PLN. Si bien se publicó en 1994, es una obra elogiada por generaciones de investigadores y capacitadores del PLN, y su contenido está íntimamente relacionado con los debates y las actividades analíticas actuales. Presenta las técnicas y los conceptos más importantes que se necesitan para desarrollar sistemas de PLN mientras analiza el trasfondo y la teoría de cada uno de ellos sin abrumar a los lectores con tecnicismos.
3. “Handbook of Natural Language Processing”
Autores: Nitin Indurkhya y Fred J. Damerau
Sitio web: Amazon
Este completo y moderno manual del procesamiento del lenguaje natural ofrece herramientas y técnicas para desarrollar e implementar un PLN práctico en los sistemas informáticos. El libro cuenta con tres secciones: técnicas clásicas (incluidos los enfoques simbólico y empírico), enfoques estadísticos en el PLN y varias aplicaciones, desde la visualización de la información hasta la construcción de ontologías y la extracción de conceptos en textos biomédicos.
La segunda edición tiene un alcance multilingüe, ya que incorpora idiomas europeos y asiáticos además del inglés, y hace un mayor hincapié en los enfoques estadísticos. Asimismo, incluye una sección de aplicaciones que analiza varias áreas emergentes, como el análisis de los sentimientos. Este es un gran punto de partida para aprender a aplicar el PLN en los sistemas informáticos.
4. “The Handbook of Computational Linguistics and Natural Language Processing”
Autores: Alexander Clark, Chris Fox y Shalom Lappin
Sitio web: Amazon
De forma similar a “Handbook of Natural Language Processing”, este libro incluye un resumen de los conceptos, las metodologías y las aplicaciones del PLN y la lingüística computacional, y presenta todos estos datos de una forma accesible y fácil de comprender. Incluye una introducción a los problemas teóricos más relevantes y a las aplicaciones de ingeniería centrales que produjo el trabajo del PLN para hacer avanzar esta disciplina. Las teorías y las aplicaciones trabajan juntas para demostrar la relación que existe en la investigación del lenguaje, tal como lo han señalado los principales investigadores del PLN. Este es un gran recurso para estudiantes de PLN y para ingenieros que desarrollen aplicaciones de PLN en laboratorios de compañías de software.
5. “The Oxford Handbook of Computational Linguistics”
Autor: Ruslan Mitkov
Sitio web: Amazon
Este manual describe los principales conceptos, métodos y aplicaciones de la lingüística computacional en un lenguaje comprensible para estudiantes y aficionados. Tal como se describe en Amazon, esta es una referencia innovadora a uno de los campos más activos y productivos de la lingüística. Esta es una obra interesante y práctica para un amplio espectro de lingüistas e investigadores de campos tan diversos como la informática, la inteligencia artificial, la ingeniería del lenguaje y la ciencia cognitiva. Empieza con conceptos lingüísticos básicos y sigue con un resumen de las actuales tareas, técnicas y herramientas del procesamiento del lenguaje natural que está destinado a investigadores del lenguaje computacional más experimentados. Este libro te resultará muy útil, independientemente de que tengas un doctorado o simplemente seas un aficionado.
6. “Foundations of Statistical Natural Language Processing”
Autores: Christopher Manning y Hinrich Schuetze
Sitio web: Sitio | Amazon
Este libro, también procedente de un profesor de Stanford, es la obra del colega de Jurafsky, Christopher Manning. Ambos dictaron el popular curso introductorio sobre PLN de Stanford. El coautor del libro es un profesor de lingüística computacional de la Ludwig-Maximilians-Universität, en Alemania.
El libro ofrece una introducción a los métodos estadísticos de PLN y los conocimientos necesarios para desarrollar herramientas de PLN y comprender los nuevos métodos de este campo. Las bases matemáticas y lingüísticas, al igual que los métodos estadísticos, se presentan de un modo que ayuda a los lectores a crear aplicaciones de procesamiento del lenguaje.
7. “Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit”
Autores: Steven Bird, Ewan Klein y Edward Loper
Sitio web: Sitio | Amazon
Este libro, que es una introducción práctica al terreno del PLN, pone el énfasis en la programación. Independientemente de que seas un novato en el campo del PLN, un lingüista computacional o un desarrollador de IA, si quieres tener una fuente práctica en tu biblioteca o escritorio, este libro te será de gran ayuda, ya que contiene cientos de ejemplos útiles y ejercicios por niveles que le darán vida al procesamiento del lenguaje natural. Puede utilizarse para estudio personal, como libro de texto en un curso de PLN o lingüística computacional, o como lectura complementaria en cursos de inteligencia artificial, extracción de conceptos de textos o lingüística de corpus.
¿Te interesa el lenguaje de programación de Python? Este libro te ayudará a crear programas de Python que analicen datos no estructurados, como el lenguaje. También se recomienda la descarga de Python y el kit de herramientas de lenguaje natural. En un sitio complementario, los autores actualizaron el libro para que puedas trabajar con Python 3 y NLTK 3.
8. “Big Data Analytics Methods: Modern Analytics Techniques for the 21st Century: The Data Scientist’s Manual to Data Mining, Deep Learning & Natural Language Processing”
Autor: Peter Ghavami
Sitio web: Amazon
El libro de Peter tal vez le resulte un poco abrumador a un novato del PLN, pero es un manual integral muy útil para aquellos que están familiarizados con el PLN y con la forma en que se relacionan los big data en el mundo actual. También funciona como una referencia muy práctica para los científicos de datos, los analistas, los administradores de empresas y los profesionales de la inteligencia de negocios. Dado que este libro cuenta con más de cien técnicas y métodos analíticos, creemos que a los expertos en análisis les encantará.
Sus capítulos abarcan todo tipo de temas, desde aprendizaje automático hasta modelos predictivos y análisis de clústeres. También se tratan temas relacionados con la ciencia de datos, como la visualización de datos, la predicción y el análisis de regresión, y temáticas vinculadas al PLN, como redes neuronales, aprendizaje profundo e inteligencia artificial. Si bien estos temas están muy bien explicados, Peter profundiza más en la terminología y las bases matemáticas.
Declinación de responsabilidades: Tableau no respalda oficialmente ningún producto o publicación, u opinión en ellos, listado en este sitio web y, como tal, esta página no interactúa con ningún programa de enlace de afiliados. Este artículo está destinado exclusivamente para fines educativos y la información anterior sobre productos y publicaciones está disponible para que los lectores puedan tomar decisiones informadas por sí mismos.