精通 Transformer : 從零開始構建最先進的 NLP 模型
Savas Yldmnm 江紅,余青松,余靖 譯
- 出版商: 北京理工大學
- 出版日期: 2023-04-01
- 售價: $594
- 貴賓價: 9.5 折 $564
- 語言: 簡體中文
- 頁數: 236
- 裝訂: 平裝
- ISBN: 7576322276
- ISBN-13: 9787576322279
-
相關分類:
Text-mining
立即出貨
買這商品的人也買了...
-
$714$678 -
$673自然語言處理:基於預訓練模型的方法
-
$330$297 -
$880$695 -
$880$695 -
$880$695 -
$779$740 -
$458BERT 基礎教程:Transformer 大模型實戰
-
$680$537 -
$422一本書讀懂 ChatGPT
-
$607前端工程化 : 基於 Vue.js 3.0 的設計與實踐
-
$600$468 -
$398從 ChatGPT 到 AIGC:人工智能重塑千行百業
-
$510與 AI 對話:ChatGPT 提示工程揭秘
-
$408$388 -
$880$748 -
$780$616 -
$505多模態深度學習技術基礎
-
$505深入理解Transformer自然語言處理
-
$720$569 -
$880$695 -
$403Llama 大模型實踐指南
-
$534$507 -
$800$632 -
$780$608
相關主題
商品描述
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,我們能夠輕鬆地使用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。
作者簡介
Savas Yldmnm
畢業於伊斯坦布爾技術大學計算機工程系,擁有自然 語言處理 (Natural Language Processing,NLP)專業的博士學位。
目前,他是土耳其伊斯坦布爾 比爾基大學的副教授,也是加拿大瑞爾森大學的訪問研究員。
他是一位積極熱情的講師和研究員, 具有20多年教授機器學習、深度學習和自然語言處理等課程的豐富經驗。
他開發了大量的開源軟件 和資源,為土耳其自然語言理解社區做出了重大貢獻。
他還為人工智能公司的研究開發項目提供全 面的諮詢服務。