基於深度學習的自然語言處理和語音識別 Deep Learning for Nlp and Speech Recognition

機械工業出版社 譯 劉嶠//藍天//任亞洲//徐增林

基於深度學習的自然語言處理和語音識別

買這商品的人也買了...

簡體書拿來曬2本75折 詳見活動內容 »

商品描述

本書作者將全書分為「機器學習、自然語言處理與語音介紹」
「深度學習介紹」與「用於文字與語音的高階深度學習技術」三個部分。
本書內容豐富全面，可作為相關專業本科生和其他專業研究生學習自然語言處理和語音辨識技術的教材，
也可供從事相關領域科技開發和應用工作的技術人員自學參考。

作者簡介

任亞洲，電子科技大學副教授，CCF資深會員，四川省人工智能學會理事。主要研究方向為人工智能（多視圖學習、圖學習、無監督學習等）與智慧醫療，主持和參與NSFC青年基金、NSFC重點項目、科技創新2030重大項目、四川省重大科技項目等多個項目，發表高水平期刊和會議論文100餘篇（其中CCF A類/SCI一區論文30多篇）。

目錄大綱

推薦序一
推薦序二
推薦序三
譯者序
前言
致謝
符號約定
第一部分機器學習、自然語言處理與語音介紹
第1章引言
1.1 機器學習
1.1.1 監督學習
1.1.2 無監督學習
1.1.3 半監督學習與主動學習
1.1.4 遷移學習與多任務學習
1.1.5 強化學習
1.2 歷史背景
1.2.1 深度學習簡史
1.2.2 自然語言處理簡史
1.2.3 自動語音辨識簡史
1.3 為實踐者提供的工具、庫、資料集與資源
1.3.1 深度學習
1.3.2 自然語言處理
1.3.3 語音辨識
1.3.4 書籍
1.3.5 線上課程與資源
1.3.6 資料集
1.4 案例研究與實現細節
參考文獻
第2章機器學習基礎
2.1 章節簡介
2.2 監督學習：框架和正式定義
2.2.1 輸入空間和樣本
2.2.2 目標函數和標籤
2.2.3 訓練和預測
2.3 學習過程
2.4 機器學習理論
2.4.1 透過Vapnik-Chervonenkis分析進行「泛化-近似」的權衡
2.4.2 透過偏差-方差分析進行「泛化-近似」的權衡
2.4.3 模型性能和評估指標
2.4.4 模型驗證
2.4.5 模型估計和對比
2.4.6 機器學習中的實務經驗
2.5 線性演算法
2.5.1 線性迴歸
2.5.2 感知機
2.5.3 正規化
2.5.4 邏輯迴歸
2.5.5 生成式分類器
2.5.6 線性演算法中的實作經驗
2.6 非線性演算法
2.6. 1 支援向量機
2.6.2 其他非線性演算法
2.7 特徵的轉換、選擇與降維
2.7.1 特徵轉換
2.7.2 特徵選擇與降維
…
第二部分深度學習介紹
第三部分用於文字與語音的高階深度學習技術

類似商品