类似推荐
编辑推荐
一本书带你读懂ChatGPT背后的技术，掌握NLP迁移学习的奥秘。
内容简介
迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理（NLP）、语音识别等领域都得到广泛应用。本书是迁移学习技术的实用入门图书，能够带领读者深入实践自然语言处理模型。首先，本书回顾了机器学习中的关键概念，并介绍了机器学习的发展历史，以及NLP迁移学习的进展；其次，深入探讨了一些重要的NLP迁移学习方法—NLP浅层迁移学习和NLP深度迁移学习；最后，涵盖NLP迁移学习领域中重要的子领域—以Transformer作为关键功能的深度迁移学习技术。读者可以动手将现有的先进模型应用于现实世界的应用程序，包括垃圾电子邮件分类器、IMDb电影评论情感分类器、自动事实检查器、问答系统和翻译系统等。 本书文字简洁、论述精辟、层次清晰，既适合拥有NLP基础的机器学习和数据科学相关的开发人员阅读，也适合作为高等院校计算机及相关专业的学生参考用书。
作者简介
作者保罗·阿祖雷，拥有麻省理工学院计算机科学博士学位，曾担任美国国防部高级研究计划局（DARPA）的多个研究项目的主任研究员。由他创建的Algorine公司致力于推进AI/ML技术并让这些技术产生重大社会影响。
Paul还参与创建了Ghana NLP开源社区。该社区专注于NLP技术的应用，尤其是对加纳语和其他低资源语言进行迁移学习。
章节目录
版权信息
内容提要
推荐语
推荐序
译者序
序言
前言
致谢
作者简介
资源与支持
第一部分 导论
第1章 迁移学习简介
第2章 从头开始：数据预处理
第3章 从头开始： 基准测试和优化
第二部分 基于循环神经网络的 浅层迁移学习和深度迁移学习
第4章 NLP浅层迁移学习
第5章 基于循环神经网络的深度迁移学习实验的数据预处理
第6章 基于循环神经网络的NLP深度迁移学习
第三部分 基于Transformer的深度迁移学习 以及适配策略
第7章 基于Transformer的深度迁移学习和GPT
第8章 基于BERT和mBERT的NLP深度迁移学习
第9章 ULMFiT与知识蒸馏的适配策略
第10章 ALBERT、适配器和多任务适配策略
第11章 总结
附录A Kaggle入门
附录B 深度学习的基础工具简介
自然语言处理迁移学习实战是2023年由人民邮电出版社出版,作者[加纳] 保罗·阿祖雷。
得书感谢您对《自然语言处理迁移学习实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
