Да

Есть туториалы как все это делается?

Посоветуйте, пожалуйста, хорошие книги на русском о Deep Learning (Machine Learning) и/или NLP. Больше всего интересуют: LSTM/GRU и производных для работы с текстом. Также, не лишним будут книги где есть главы, которые посвящены препроцессингу датасета (не как обычно пишут "вот тут мы сделали препроцессинг датасета и всё", а именно объясняют почему решили сделать ту или иную обработку) и валидации получаемых результатов (поробное объяснение метрик и возможностей по их применению).

Недавно прочитал "Глубокое обучение: погружение в мир нейронных сетей" - очень понравилось, легкий язык, мало формул (не хочу углубляться в математику, где будут объяснять как вывели ту или иную формулу, т.к. 90% моделей уже написано в стандартных библиотеках), даже хочется её перечитать и обдумать под новым углом всё, но смущает что некоторые вещи совсем не понял, т.к. базовых знаний мало.

Смотрю пока вот на эту книгу: https://www.ozon.ru/context/detail/id/140537879/

подкупает отзыв, который там единственный, но нет уверенности в том, что она будет хорошим источником базовых знаний

Мне понравилась книга "Антонио Джулли. Библиотека Keras - инструмент глубокого обучения"
Там много примеров использования этих алгоритмов

неплохо, хоть и в отзывах хают на плохой код, но то что книга свежая - очень кстати.
Спасибо! Скорее всего закажу её

Там по рекуррентным сетям мало информации или совсем нет (судя по описанию)? Сверточные и автокодировщики не особо интересны

Вот, скажем: https://www.depends-on-the-definition.com/named-entity-recognition-conditional-random-fields-python/

ACM

Кто-нибудь читал "Прикладная и компьютерная лингвистика" ( https://urss.ru/cgi-bin/db.pl?lang=Ru&blang=ru&page=Book&id=228448 )?
По оглавлению и отзывам - должна быть достойной книгой

ну и кто-то ещё может другой литературы по теме посоветует всё таки )

Может кто-нибудь помочь с примером из документации Yargy?

Я взял пример с топонимами и немного видоизменил

from yargy import Parser, rule, and_
from yargy.predicates import gram, is_capitalized, dictionary


CODEX = rule(
and_(
gram('ADJF'),
is_capitalized()
),
gram('ADJF').optional().repeatable(),
dictionary({
'кодекс',
'статья'
})
)


parser = Parser(CODEX)
text = 'арбитражный кодекс'
for match in parser.findall(text):
print([_.value for _ in match.tokens])

match пуст

В предложении есть и прилагательное, и кодекс

Давали ссылки на примеры. Посмотри выше внимательно