Deep Learning 2|用 Python 進行自然語言處理的基礎理論實作

Deep Learning 2|用 Python 進行自然語言處理的基礎理論實作

作者: 斎藤康毅 吳嘉芳
出版社: 歐萊禮
出版在: 2019-03-29
ISBN-13: 9789865020675
ISBN-10: 986502067X
總頁數: 384 頁





內容描述


本書是《Deep Learning : 用Python進行深度學習的基礎理論實作》的續篇,將延續上一本書,繼續介紹與深度學習有關的技術。本書尤其偏重在自然語言處理及時間序列資料處理上,使用深度學習,挑戰各式各樣的問題。和上一本著作一樣,以「從零開始建構」為概念,詳盡介紹與深度學習有關的先進技術。
 
簡單來說,自然語言處理是指,讓電腦瞭解我們平常說話內容的技術。事實上,這種自然語言處理技術已經大大改變了我們的生活。在網頁搜尋、機械翻譯、語音助理等深深影響世界的技術根基中,已經使用了自然語言處理技術。本書把重點放在自然語言處理及時間序列資料處理上,學習在深度學習中,十分重要的技術。具體而言是指,word2vec、RNN、LSTM、GRU、seq2seq、Attention等技術。本書盡量使用淺顯易懂的說明,解說這些技術,並透過實際操作,確認你是否理解。此外,本書希望藉由實驗,讓你實際感受到這些技術的可能性。


目錄大綱


章節說明:第一章 複習類神經網路
第二章 自然語言與字詞的分散式表示
第三章 word2vec
第四章 word2vec的高速化
第五章 遞歸神經網路(RNN)
第六章 含閘門的RNN
第七章 使用RNN產生文章
第八章 Attention
附錄A sigmoid函數與tanh函數的微分
附錄B 啟用WordNet
附錄C GRU




相關書籍

人工智慧應用在我家 - 使用 KNERON AI Dongle(耐能AI加速棒) - 附 MOSME 行動學習一點通:診斷.評量.影音.擴增.加值

作者 劉峻誠 陳宇春

2019-03-29

昇騰AI處理器架構與編程 — 深入理解 CANN 技術原理及應用

作者 梁曉嶢

2019-03-29

Low-Rank Models in Visual Analysis: Theories, Algorithms, and Applications (Computer Vision and Pattern Recognition)

作者 Zhouchen Lin Hongyang Zhang

2019-03-29