此部分為隱藏內(nèi)容，請輸入驗(yàn)證碼后查看
掃描右側(cè)圖片或微信搜索 “ Java技術(shù)分享屋 ” ，回復(fù) “ 驗(yàn)證碼 ” ，獲取驗(yàn)證密碼。
本資料僅供讀者預(yù)覽及學(xué)習(xí)交流使用，不能用于商業(yè)用途，請?jiān)谙螺d后24小時(shí)內(nèi)刪除。如果喜歡，請購買正版！
一.資料圖片
二.資料簡介
《深度學(xué)習(xí)進(jìn)階：自然語言處理》是《深度學(xué)習(xí)入門：基于Python 的理論與實(shí)現(xiàn)》的續(xù)作，圍繞自然語言處理和時(shí)序數(shù)據(jù)處理，介紹深度學(xué)習(xí)中的重要技術(shù)，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本書語言平實(shí)，結(jié)合大量示意圖和Python代碼，按照“提出問題”“思考解決問題的新方法”“加以改善”的流程，基于深度學(xué)習(xí)解決自然語言處理相關(guān)的各種問題，使讀者在此過程中更深入地理解深度學(xué)習(xí)中的重要技術(shù)。
豆瓣評(píng)分9.4的暢銷書《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》續(xù)作，帶你快速直達(dá)自然語言處理領(lǐng)域！
【本書特色】
·簡明易懂
本書內(nèi)容精煉，聚焦深度學(xué)習(xí)視角下的自然語言處理，延續(xù)前作的行文風(fēng)格，采用通俗的語言和大量直觀的示意圖詳細(xì)講解，幫助讀者加深對(duì)深度學(xué)習(xí)技術(shù)的理解，輕松入門自然語言處理。
·側(cè)重原理
不依賴外部庫，使用Python 3從零開始創(chuàng)建深度學(xué)習(xí)程序，通過親自創(chuàng)建程序并運(yùn)行，讀者可透徹掌握word2vec、RNN、LSTM、GRU、seq2seq和Attention等技術(shù)背后的運(yùn)行原理。
·學(xué)習(xí)曲線平緩
按照“文字介紹→代碼實(shí)現(xiàn)→分析結(jié)果→發(fā)現(xiàn)問題→進(jìn)行改善”的流程，逐步深入，讀者只需具備基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)和Python知識(shí)，即可輕松讀懂。
三.作者簡介
齋藤康毅（作者）
1984年生于日本長崎縣，東京工業(yè)大學(xué)畢業(yè)，并完成東京大學(xué)研究生院課程。目前在某企業(yè)從事人工智能相關(guān)的研究和開發(fā)工作。著有《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》，同時(shí)也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版譯者。
陸宇杰（譯者）
長期從事自然語言處理、知識(shí)圖譜、深度學(xué)習(xí)相關(guān)的研究和開發(fā)工作。譯有《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》。
四.資料目錄
版權(quán)聲明
O'Reilly Media, Inc. 介紹
譯者序
前言
第 1 章 神經(jīng)網(wǎng)絡(luò)的復(fù)習(xí)
第 2 章 自然語言和單詞的分布式表示
第 3 章 word2vec
第 4 章 word2vec的高速化
第 5 章 循環(huán)神經(jīng)網(wǎng)絡(luò)
第 6 章 Gated RNN
第 7 章 基于 RNN 生成文本
第 8 章 Attention
附錄 A sigmoid 函數(shù)和 tanh 函數(shù)的導(dǎo)數(shù)
附錄 B 運(yùn)行 WordNet
附錄 C GRU
后記
參考文獻(xiàn)