新書推薦：
《
拯救免疫失衡
》
售價：NT$
254.0
《
收尸人
》
售價：NT$
332.0
《
大模型应用开发：RAG入门与实战
》
售價：NT$
407.0
《
不挨饿快速瘦的减脂餐
》
售價：NT$
305.0
《
形而上学与存在论之间：费希特知识学研究（守望者）（德国古典哲学研究译丛）
》
售價：NT$
504.0
《
卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张）
》
售價：NT$
602.0
《
化妆品学原理
》
售價：NT$
254.0
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：NT$
214.0
|
| 編輯推薦： |
|
本书是学习并实践神经网络、深度学习和自然语言处理的综合指南，每章都给出了代码示例和实际案例，帮助读者理解和实践所学的知识。本书渐进式讲解，理论与实践结合，强 调自然语言处理，并且关注最新技术和趋势，不仅适合作为神经网络、深度学习和自然语言处理相关课程的教材，也是相关专业人员的很好参考用书。
|
| 內容簡介： |
|
本书主要介绍神经网络、深度学习和自然语言处理的基本原理、方法和应用，全书分为3部分，每部分涵盖了不同的主题: 第1部分(第1～3章)介绍神经网络和深度学习的基础知识，包括人工神经网络的起源和发展，神经网络的表示方法、数学基础理论和机器学习基础，以及表征学习的概念；第2部分(第4章和第5章)介绍自然语言处理和转换器网络；第3部分(第6～10章)介绍自然语言处理的案例分析，包括文本分类任务、实体识别、文本生成和文本摘要的方法和技术、基于评审的问答系统等。 本书是学习并实践神经网络、深度学习和自然语言处理的实用指南，每章都给出了代码示例和实际案例，帮助读者理解和实践所学的知识。本书采用渐进式讲解，理论与实践结合，强调自然语言处理，并且关注**技术和趋势，适合作为高等学校神经网络、深度学习和自然语言处理相关课程的教材，也是相关专业人员很好的参考用书。
|
| 目錄：
|
第1部分神经网络与深度学习
第1章人工神经网络/3
1.1起源和发展3
1.2什么是深度学习5
1.3神经网络的表示8
1.4数学基础理论12
1.4.1数据类型12
1.4.2函数基础15
1.4.3线性代数20
1.4.4梯度计算28
1.4.5概率分布30
1.4.6代码示例36
1.5机器学习基础38
1.5.1什么是分类40
1.5.2一个简单的分类器: 朴素贝叶斯45
1.5.3一个简单的神经网络: 逻辑回归47
1.5.4评估分类结果54
1.6表征学习57
1.6.1主成分分析58
1.6.2词袋的表征66
第2章前馈神经网络/69
2.1单层感知器69
2.2三层神经网络75
2.3激活函数80
2.3.1线性函数80
2.3.2逻辑函数81
2.4更新权重87
2.4.1学习规则87
2.4.2反向传播95
2.4.3梯度下降102
2.5代码示例105
2.6修改和扩展107
2.6.1预期泛化误差108
2.6.2正则化的思想113
2.6.3调整超参数119
2.6.4其他的问题123
〖1〗自然语言处理——基于深度学习的理论与案例目录〖3〗〖3〗第3章深度学习网络/126
3.1深度的定义127
3.2卷积神经网络128
3.2.1什么是卷积计算129
3.2.2感受野与卷积层131
3.2.3特征图和池化层136
3.2.4一个卷积网络138
3.2.5用于文本分类141
3.3循环神经网络143
3.3.1不等长序列143
3.3.2循环连接的构成145
3.3.3长短期记忆网络148
3.3.4三种训练方法152
3.3.5一个简单的实现155
3.4深度分布式表征160
3.4.1自编码器160
3.4.2神经语言模型167
第2部分自然语言处理与转换器网络
第4章自然语言处理/179
4.1历史发展179
4.2常见任务183
4.2.1字符和语音识别183
4.2.2形态分析183
4.2.3句法分析185
4.2.4词汇语义186
4.2.5关系语义187
4.2.6话语188
4.2.7高级任务190
4.3未来趋势192
4.4认识转换器195
4.4.1编码器到解码器框架196
4.4.2注意力机制198
4.4.3迁移学习201
4.4.4Hugging Face生态205
4.4.5面对挑战211
第5章转换器网络/212
5.1转换器介绍212
5.2理解编码器215
5.2.1输入嵌入层217
5.2.2位置编码218
5.2.3多头自注意力层221
5.2.4残值连接与层归一化230
5.2.5前馈网络层232
5.3理解解码器233
5.3.1掩码多头注意力层235
5.3.2多头注意力层239
5.3.3线性层和Softmax层242
5.3.4运行流程243
5.4训练转换器244
5.5转换器家族246
5.5.1编码器分支246
5.5.2解码器分支253
5.5.3编码器到解码器分支255
5.6概括258
第3部分自然语言处理案例分析
第6章文本分类案例分析/261
6.1数据集261
6.1.1查看数据262
6.1.2转换到数据框265
6.1.3查看类别分布266
6.1.4查看推文长度266
6.2从文本到标记267
6.2.1字符标记化267
6.2.2词标记化269
6.2.3子词标记化270
6.2.4整个数据集272
6.3训练分类器274
6.3.1特征提取器275
6.3.2微调转换器283
第7章实体识别案例分析/288
7.1数据集288
7.2多语言转换器292
7.3标记化管道294
7.4模型类剖析297
7.4.1模型体和头297
7.4.2创建自定义模型297
7.4.3加载自定义模型299
7.5标记文本301
7.6绩效衡量303
7.7微调XLMR304
7.8错误分析305
第8章文本生成案例分析/310
8.1生成连贯文本310
8.2贪心搜索解码311
8.3集束搜索解码313
8.4抽样方法317
第9章文本摘要案例分析/323
9.1数据集323
9.2文本摘要管道324
9.2.1基线324
9.2.2GPT2325
9.2.3T5325
9.2.4BART326
9.2.5PEGASUS326
9.2.6比较不同327
9.3衡量指标328
9.3.1BLEU 328
9.3.2ROUGE333
第10章问答系统案例分析/336
10.1基于评审的问答系统336
10.1.1数据集337
10.1.2从文本中提取答案340
参考文献/349
|
| 內容試閱：
|
本书是关于神经网络、深度学习和自然语言处理的实用指南。全书分为3部分，每部分涵盖了不同的主题。
第1部分(第1～3章)介绍了神经网络和深度学习的基础知识。其中，第1章概述了人工神经网络的起源和发展，并解释了深度学习的概念；第2章和第3章讨论了神经网络的表示方法、数学基础理论和机器学习基础，以及表征学习的概念。
第2部分(第4章和第5章)专注于自然语言处理和转换器网络。其中，第4章回顾了自然语言处理的历史发展、常见任务和未来趋势，并引入了转换器的概念；第5章详细介绍了转换器网络，包括编码器和解码器的结构、注意力机制及训练过程。
第3部分(第6～10章)给出了一些自然语言处理的案例分析。其中，第6章讨论了文本分类任务，包括数据预处理和训练分类器的方法。第7章介绍了实体识别，展示了多语言转换器的应用；第8章和第9章分别探讨了文本生成和文本摘要的方法与技术；第10章介绍了基于评审的问答系统，包括从文本中提取答案的方法。
通过本书，读者可以了解神经网络、深度学习和自然语言处理的基本原理、方法与应用。每个章节都有代码示例和实际案例，帮助读者理解和实践所学的知识。
本书有以下几个特点。
(1) 综合性: 本书内容涵盖了神经网络、深度学习和自然语言处理等多个领域。本书提供了一个全面的视角，将这些领域的关键概念和技术联系在一起，帮助读者建立起一个完整的知识体系。
(2) 渐进式学习: 本书以渐进式的方式，从基础概念开始逐步深入介绍。本书从人工神经网络和深度学习的起源和发展开始，逐步介绍了不同类型的神经网络和深度学习模型，最后深入介绍自然语言处理和转换器网络领域。
(3) 理论与实践结合: 本书不仅提供了理论知识，还通过代码示例和案例分析将理论应用到实际问题中。读者可以通过实际的代码和案例来理解和实践所学的概念与技术。
(4) 强调自然语言处理的应用: 本书在深度学习的框架下，特别强调了自然语言处理的应用，包括文本分类、实体识别、文本生成、文本摘要和问答系统等多种自然语言处理任务，并提供了详细的案例分析，帮助读者在实际场景中应用深度学习技术解决自然语言处理问题。(5) 最新技术和趋势: 本书通过介绍最新的技术和趋势，使读者能够跟上神经网络、深度学习和自然语言处理领域的最新发展。本书讨论了转换器网络和迁移学习等热门话题，并提供了与Hugging Face生态系统相关的内容，使读者能够了解当前前沿的技术和工具。
总之，本书采用渐进式讲解，理论与实践结合，强调自然语言处理，并且关注最新技术和趋势，适合作为高等学校神经网络、深度学习和自然语言处理相关课程的教材，也是相关专业人员很好的参考用书。
在线MOOC网址:
https://mooc1.chaoxing.com/moocans/course/237575981.html
编者
2024年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
