相關商品
商品簡介
商品簡介
AI領域的基石王者,那些還沉迷於CNN，RNN的工程師被警告：放棄戰鬥吧，向Transformer投降！
在過去的二十年中，自然語言處理研究領域發生了翻天覆地的變化。在這段時間裡，自然語 言處理經歷了不同的處理範式，並最終進入了一個由神奇的Transformer體系結構主導的新時代。 Transformer深度學習架構是通過繼承許多方法而產生的，其中包括上下文詞嵌入、多頭注意力機制、位置編碼、並行體系結構、模型壓縮、遷移學習、跨語言模型等。在各種基於神經的自然語言處理方法中， Transformer架構逐漸演變為基於注意力的“編碼器-解碼器”體系結構，並持續發展到今天。現在，我們在文獻中看到了這種體系結構的新的成功變體。目前研究已經發現了只使用 Transformer 架構中編碼器部分的出色模型，如 BERT(Bidirectional Encoder Representations from Transformers,Transformers雙向編碼表示);或者只使用Transformer架構 中解碼器部分的出色模型，如 GPT(Generated Pre -trained Transformer,生成式的預訓練 Transformer)。
本書涵蓋了這些自然語言處理方法。基於 Hugging Face社區的Transformer庫，我們能夠輕 松地使用Transformer。 本書將循序漸進地提供各種自然語言處理問題的解決方案：從文檔摘要到問 題回答系統。我們將看到，基於Transformer, 可以取得最先進的成果。
讀者對象本書面向深度學習研究人員、自然語言處理從業人員、機器學習/自然語言處理教育者，以及希望開啟Transformer體系結構學習之旅的學生群體。為了充分掌握本書的內容，要求讀者具有初級 水平的機器學習知識，以及良好的Python 基礎知識。
在過去的二十年中，自然語言處理研究領域發生了翻天覆地的變化。在這段時間裡，自然語 言處理經歷了不同的處理範式，並最終進入了一個由神奇的Transformer體系結構主導的新時代。 Transformer深度學習架構是通過繼承許多方法而產生的，其中包括上下文詞嵌入、多頭注意力機制、位置編碼、並行體系結構、模型壓縮、遷移學習、跨語言模型等。在各種基於神經的自然語言處理方法中， Transformer架構逐漸演變為基於注意力的“編碼器-解碼器”體系結構，並持續發展到今天。現在，我們在文獻中看到了這種體系結構的新的成功變體。目前研究已經發現了只使用 Transformer 架構中編碼器部分的出色模型，如 BERT(Bidirectional Encoder Representations from Transformers,Transformers雙向編碼表示);或者只使用Transformer架構 中解碼器部分的出色模型，如 GPT(Generated Pre -trained Transformer,生成式的預訓練 Transformer)。
本書涵蓋了這些自然語言處理方法。基於 Hugging Face社區的Transformer庫，我們能夠輕 松地使用Transformer。 本書將循序漸進地提供各種自然語言處理問題的解決方案：從文檔摘要到問 題回答系統。我們將看到，基於Transformer, 可以取得最先進的成果。
讀者對象本書面向深度學習研究人員、自然語言處理從業人員、機器學習/自然語言處理教育者，以及希望開啟Transformer體系結構學習之旅的學生群體。為了充分掌握本書的內容，要求讀者具有初級 水平的機器學習知識，以及良好的Python 基礎知識。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。