内容简介
《深度学习进阶:自然语言处理》是《深度学习入门:基于Python 的理论与实现》的续作,围绕自然语言处理和时序数据处理,介绍深度学习中的重要技术,包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。
本书语言平实,结合大量示意图和Python代码,按照“提出问题”“思考解决问题的新方法”“加以改善”的流程,基于深度学习解决自然语言处理相关的各种问题,使读者在此过程中更深入地理解深度学习中的重要技术。
豆瓣评分9.4的畅销书《深度学习入门:基于Python的理论与实现》续作,带你快速直达自然语言处理领域!
【本书特色】
·简明易懂
本书内容精炼,聚焦深度学习视角下的自然语言处理,延续前作的行文风格,采用通俗的语言和大量直观的示意图详细讲解,帮助读者加深对深度学习技术的理解,轻松入门自然语言处理。
·侧重原理
不依赖外部库,使用Python 3从零开始创建深度学习程序,通过亲自创建程序并运行,读者可透彻掌握word2vec、RNN、LSTM、GRU、seq2seq和Attention等技术背后的运行原理。
·学习曲线平缓
按照“文字介绍→代码实现→分析结果→发现问题→进行改善”的流程,逐步深入,读者只需具备基础的神经网络和Python知识,即可轻松读懂。
作者简介
斋藤康毅(作者)
1984年生于日本长崎县,东京工业大学毕业,并完成东京大学研究生院课程。
目前在某企业从事人工智能相关的研究和开发工作。
著有《深度学习入门:基于Python的理论与实现》,同时也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。
陆宇杰(译者)
长期从事自然语言处理、知识图谱、深度学习相关的研究和开发工作。
译有《深度学习入门:基于Python的理论与实现》。
目录
版权声明
O’Reilly Media, Inc. 介绍
译者序
前言
第 1 章 神经网络的复习
第 2 章 自然语言和单词的分布式表示
第 3 章 word2vec
第 4 章 word2vec的高速化
第 5 章 循环神经网络
第 6 章 Gated RNN
第 7 章 基于 RNN 生成文本
第 8 章 Attention
附录 A sigmoid 函数和 tanh 函数的导数
附录 B 运行 WordNet
附录 C GRU
后记
参考文献
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
