Python Natural Language Processing Cookbook, 2nd Edition

Recetario práctico compuesto por más de 60 soluciones autocontenidas que enseñan a abordar problemas reales de procesamiento del lenguaje natural, desde las operaciones de preprocesamiento clásico hasta la integración con modelos fundacionales contemporáneos. Está orientado a programadores de Python, científicos de datos y profesionales de analítica de datos de nivel intermedio que conocen librerías estándar como Pandas o Scikit-Learn y buscan recetas de código aplicables de inmediato sin tener que sumergirse en desarrollos teóricos extensos.

A lo largo de diez capítulos se maneja un amplio abanico de bibliotecas y herramientas: NLTK, spaCy, Scikit-Learn, Gensim, Sentence-Transformers (SBERT), Hugging Face Transformers y modelos generativos como GPT-4, Llama y Mistral. Enseña recetas para tokenización, lematización, análisis gramatical de dependencias, distancia de Levenshtein, modelos Bag-of-Words y N-grams, clasificación de texto supervisada y por palabras clave, modelado de tópicos con LDA, visualización semántica con pyLDAvis y nubes de palabras, sistemas de lectura y respuesta a preguntas (QA) y nociones de explicabilidad (XAI).

El enfoque del texto es completamente práctico y modular, permitiendo al lector ejecutar recetas puntuales como la detección de entidades, la ejecución local de modelos de código abierto (Llama o Mistral), el diseño de cadenas de prompting aumentadas con datos externos o la creación de chatbots conversacionales básicos. Aporta enorme rapidez para prototipar soluciones y consultar patrones de código de PLN frecuentes; en contrapartida, no desarrolla una aplicación unificada de extremo a extremo ni profundiza en la teoría matemática interna de los algoritmos, funcionando primordialmente como un manual de consulta operativa.