本书从实用角度出发，首先介绍了Flink的功能模块、运行模式、部署安装等内容，然后着重介绍了Flink中的实时处理技术和批量处理技术，接着讲解了Flink的Table与SQL、CEP机制、调优与监控、实时数据同步解析，*后通过Flink结合Kylin实现了实时数据统计的功能。本书内容全面，由浅入深，包含大量的代码示例，并提供下载服务，每章配有重要知识点串讲视频和小结，以指导读者轻松入门。本书适合有
电子书
内容简介
近年来，基于深度学习方法的自然语言处理（NLP）已逐渐成为主流。本书共8章，主要介绍自然语言处理任务中的深度学习技术，包含深度学习理论基础、深度学习的软件框架、语言模型与词向量、序列模型与梯度消失/爆炸、卷积神经网络在NLP领域的应用、Seq2Seq模型与Attention机制、大规模预训练模型、预训练语言模型BERT，还给出了自然语言处理技术的高级应用和开发实例，并收录了基于PyTorch深度学习框架的部分实践项目。 本书既可作为人工智能、计算机科学、电子信息工程、自动化等专业的本科生及研究生教材，也可作为自然语言处理相关领域的研究人员和技术人员的参考资料。
章节目录
- 封面
- 前折页
- 书名页
- 版权页
- 致数字化人才的一封信
- 前言
- 目录
- 第1章 深度学习理论基础
- 1.1 深度学习概况
- 1.1.1 深度学习的历史
- 1.1.2 “无所不能”的深度学习
- 1.2 深度学习神经网络
- 1.2.1 神经网络
- 1.2.2 隐藏层
- 1.2.3 梯度下降
- 1.2.4 激活函数
- 1.2.5 权重初始化
- 1.2.6 正则化
- 1.2.7 归一化
- 第2章 深度学习的软件框架
- 2.1 环境配置
- 2.1.1 Anaconda
- 2.1.2 英伟达GPU驱动+CUDA+cuDNN
- 2.1.3 PyTorch安装
- 2.1.4 Python IDE选择
- 2.2 PyTorch入门
- 2.2.1 Tensor基本概念
- 2.2.2 Tensor的运算
- 2.3 PyTorch自动求梯度
- 2.3.1 基本概念
- 2.3.2 Tensor样例
- 2.3.3 梯度计算
- 2.4 PyTorch nn模块
- 第3章 语言模型与词向量
- 3.1 语言模型
- 3.1.1 无处不在的语言模型
- 3.1.2 神经网络语言模型
- 3.2 词向量
- 3.2.1 one-hot
- 3.2.2 word2vec
- 3.2.3 GloVe
- 3.3 代码实战
- 3.3.1 任务1：应用PyTorch搭建Skip-Gram
- 3.3.2 任务2：基于GloVe的大规模中文语料的词向量训练
- 第4章 序列模型与梯度消失/爆炸
- 4.1 循环神经网络
- 4.1.1 模型结构及计算过程
- 4.1.2 应用PyTorch搭建并训练RNN模型
- 4.2 梯度消失与爆炸
- 4.2.1 产生原因
- 4.2.2 解决方法
- 4.3 改进方法
- 4.3.1 LSTM
- 4.3.2 GRU
- 4.4 代码实战：搭建LSTM/GRU的文本分类器
- 第5章 卷积神经网络在NLP领域的应用
- 5.1 卷积神经网络的概念
- 5.1.1 输入层
- 5.1.2 卷积层
- 5.1.3 池化层
- 5.1.4 全连接层
- 5.2 空洞卷积神经网络
- 5.2.1 空洞卷积的基本定义
- 5.2.2 空洞卷积在NLP中的应用
- 5.2.3 空洞卷积相关代码
- 5.2.4 多层卷积
- 5.3 代码实战：CNN情感分类实战
- 5.3.1 数据处理
- 5.3.2 程序主干部分
- 5.3.3 模型部分
- 5.3.4 模型训练与评估
- 第6章 Seq2Seq模型与Attention机制
- 6.1 Encoder-Decoder结构
- 6.1.1 Encoder
- 6.1.2 Decoder
- 6.1.3 Encoder-Decoder存在的问题
- 6.2 Attention机制
- 6.3 Seq2Seq训练与预测
- 6.3.1 模型训练
- 6.3.2 模型预测
- 6.3.3 BLEU模型评估法
- 6.4 代码实战：应用PyTorch搭建机器翻译模型
- 第7章 大规模预训练模型
- 7.1 ELMo
- 7.1.1 模型结构
- 7.1.2 模型效果
- 7.1.3 ELMo的优点
- 7.1.4 利用ELMo+CNN进行分类的示例
- 7.2 Transformer
- 7.2.1 Encoder端及Decoder端总览
- 7.2.2 Encoder端各个子模块
- 7.2.3 Decoder端各个子模块
- 7.2.4 其他模块
- 7.2.5 完整模型
- 第8章 预训练语言模型BERT
- 8.1 BERT的基本概念
- 8.2 BERT的工作原理
- 8.2.1 BERT的预训练
- 8.2.2 BERT模型结构
- 8.2.3 BERT的微调
- 8.3 BERT的可解释性
- 8.4 其他预训练模型
- 8.4.1 XLNet
- 8.4.2 RoBERTa
- 8.4.3 ALBERT
- 8.5 代码实战：预训练模型
- 参考文献
- 后折页
- 封底
展开全部
深度学习自然语言处理实战是2020年由机械工业出版社出版,作者开课吧 组编 张楠 苏南 王贵阳 等编著。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《深度学习自然语言处理实战》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。
电子书
电子书
《零基础玩转Python》从实用角度出发，结合开课吧Python小课的学习内容，不仅介绍了Python语言的基础知识（包括常量、变量、函数、数据类型、选择结构、循环结构、面向对象等内容），还介绍了Python基础语法在实际问题中灵活运用的方法。每课的后面都有与该课内容结合的知识拓展，由例题与答案、解析和拓展三部分组成，以便指导读者更好地理解消化所学知识点。《零基础玩转Python》每节课均配有主要
电子书
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的
电子书
本书适用于Java编程语言的初学者。在Java入门阶段很容易陷入概念繁杂和不知道从何入手的尴尬。本书定位于Java程序逻辑训练，以完成任务的方式一步步进行知识点讲解，*终完成任务验收，以任务拆解学习过程，学习目的性更强。每个任务以任务描述→目标→任务线索→任务实施→验收标准→问题总结→扩展阅读的主线展开，线索学习成为任务完成的关键点，让读者在具体任务的完成过程中进行Java程序逻辑入门学习，除了收
电子书
本书从Java常用的三个框架入手，对MyBatis、Dubbo、RocketMQ的代码进行了深入解读，让读者可以从框架设计到实现细节上全面了解Java代码，并引领读者深入探索代码中的设计细节及架构模型。本书分为3章：第1章为数据层主流框架——MyBatis学习指南，解读MyBatis框架中关于接口层和配置文件解析过程；第2章为微服务Dubbo通信解密，阐述微服务Dubbo通信架构高扩展性架构设计原
电子书
本书通过图文结合的讲解方式帮助读者理解JDK源码，完成多线程并发编程从入门到实践的飞跃，全书分为7章：第1章主要讲解Java基础类的源码实现；第2章主要剖析了常用集合类的原理源码；第3章讲解了常用原子类AtomicLong和LongAdder的用法和原理；第4章主要剖析了JUC独占锁ReentrantLock的原理源码，ReentrantLock是学习其他并发类的基础；第5章剖析了两种常用并发容器
电子书
本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验
