91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
自然語言處理實戰(zhàn)：預訓練模型應用及其產(chǎn)品化
自然語言處理實戰(zhàn)：預訓練模型應用及其產(chǎn)品化
Ankur A. Patel, Ajay Uppili Arasanipalai 著
王書鑫, 李銳, 丁舶洋, 羅遠飛 譯
出版時間：2022年07月
頁數(shù)：276
“本書富有啟發(fā)性。作者帶領(lǐng)你遨游于自然語言處理的復雜世界。每一章都讓你有所收獲。”
——Benjamin Muskalla
高級軟件工程師

在過去幾年中，自然語言處理技術(shù)的受歡迎程度呈現(xiàn)“爆炸式”增長。盡管Google、Facebook、OpenAI等前沿公司繼續(xù)發(fā)布著規(guī)模更大的語言模型，但許多開發(fā)團隊仍在努力構(gòu)建與時俱進的自然語言處理應用程序。本書將幫助你快速了解自然語言處理的新
技術(shù)及未來發(fā)展趨勢。
通過閱讀本書，你將學習如何為組織中的實際應用程序構(gòu)建、訓練和部署模型。作者使用突出現(xiàn)代自然語言處理最佳實踐的代碼和示例指導你完成整個過程。
本書的主要內(nèi)容包括：
● 使用先進的自然語言處理模型（如BERT和GPT3）來解決命名實體識別、文本分類、語義搜索和閱讀理解等自然語言處理任務。
● 開發(fā)性能可媲美甚至優(yōu)于開箱即用系統(tǒng)的自然語言處理模型。
● 了解Transformer架構(gòu)和現(xiàn)代技巧，比如席卷整個自然語言處理世界的遷移學習。
● 熟悉自然語言處理的工具和框架，包括spaCy、Hugging Face和fast.ai。
● 使用Python和PyTorch從頭開始構(gòu)建自然語言處理任務流水線的核心部分，包括分詞器、向量嵌入和語言模型。
● 將你的模型從Jupyter Notebook中產(chǎn)品化，并學習如何在生產(chǎn)環(huán)境中部署、監(jiān)控和維護它們。
  1. 前言
  2. 第一部分 浮光掠影
  3. 第1章 自然語言處理介紹
  4. 1.1 什么是自然語言處理
  5. 1.2 基本的自然語言處理
  6. 1.3 總結(jié)
  7. 第2章 Transformer和遷移學習
  8. 2.1 利用fast.ai庫進行訓練
  9. 2.2 利用Hugging Face系列庫進行推理
  10. 2.3 總結(jié)
  11. 第3章 NLP任務和應用程序
  12. 3.1 預訓練語言模型
  13. 3.2 遷移學習和微調(diào)
  14. 3.3 NLP任務
  15. 3.4 自然語言數(shù)據(jù)集
  16. 3.5 NLP任務1：命名實體識別
  17. 3.6 NLP任務2：文本分類
  18. 3.7 總結(jié)
  19. 第二部分 綱舉目張
  20. 第4章 分詞
  21. 4.1 一個極簡的分詞器
  22. 4.2 Hugging Face的分詞器
  23. 4.3 搭建自己的分詞器
  24. 4.4 總結(jié)
  25. 第5章 向量嵌入：計算機如何“理解”單詞
  26. 5.1 理解文本與讀取文本
  27. 5.2 詞向量
  28. 5.3 詞向量嵌入實踐
  29. 5.4 非詞條的嵌入
  30. 5.5 總結(jié)
  31. 第6章 循環(huán)神經(jīng)網(wǎng)絡和其他序列模型
  32. 6.1 循環(huán)神經(jīng)網(wǎng)絡
  33. 6.2 長短期記憶網(wǎng)絡
  34. 6.3 門控循環(huán)單元
  35. 6.4 總結(jié)
  36. 第7章 Transformer
  37. 7.1 從頭開始構(gòu)建Transformer
  38. 7.2 注意力機制
  39. 7.3 計算機視覺Transformer
  40. 7.4 總結(jié)
  41. 第8章 BERT方法論：博采眾長創(chuàng)新篇
  42. 8.1 ImageNet
  43. 8.2 通往NLP“ImageNet時刻”之路
  44. 8.3 預訓練的詞向量嵌入
  45. 8.4 序列模型
  46. 8.5 循環(huán)神經(jīng)網(wǎng)絡
  47. 8.6 注意力機制
  48. 8.7 Transformer架構(gòu)
  49. 8.8 NLP的“ImageNet時刻”
  50. 8.9 總結(jié)
  51. 第三部分 經(jīng)世致用
  52. 第9章 工欲善其事，必先利其器
  53. 9.1 深度學習框架
  54. 9.2 可視化與實驗跟蹤
  55. 9.3 AutoML
  56. 9.4 機器學習基礎(chǔ)設(shè)施和計算
  57. 9.5 邊緣/終端側(cè)推理
  58. 9.6 云推理和機器學習即服務
  59. 9.7 持續(xù)集成和持續(xù)交付
  60. 9.8 總結(jié)
  61. 第10章 可視化
  62. 10.1 我們的第一個Streamlit應用程序
  63. 10.2 總結(jié)
  64. 第11章 產(chǎn)品化
  65. 11.1 數(shù)據(jù)科學家、工程師和分析師
  66. 11.2 Databricks：你的統(tǒng)一數(shù)據(jù)分析平臺
  67. 11.3 Databricks的安裝
  68. 11.4 機器學習作業(yè)
  69. 11.5 MLflow
  70. 11.6 Databricks的替代品
  71. 11.7 總結(jié)
  72. 第12章 歸納提升
  73. 12.1 最后十課
  74. 12.2 最后的話
  75. 附錄A 大規(guī)模訓練
  76. 附錄B CUDA
書名：自然語言處理實戰(zhàn)：預訓練模型應用及其產(chǎn)品化
譯者：王書鑫, 李銳, 丁舶洋, 羅遠飛 譯
國內(nèi)出版社：機械工業(yè)出版社
出版時間：2022年07月
頁數(shù)：276
書號：978-7-111-70791-2
原版書書名：Applied Natural Language Processing in the Enterprise
原版書出版商：O'Reilly Media
Ankur A. Patel
 
Ankur A. Patel是7Park data數(shù)據(jù)科學部門的副總裁（隸屬于Vista Equity Partners投資組合公司）。在7Park data, Ankur和他的數(shù)據(jù)科學團隊使用替代數(shù)據(jù)為對沖基金和企業(yè)構(gòu)建數(shù)據(jù)產(chǎn)品，并為企業(yè)客戶開發(fā)機器學習服務（MLaaS）。
Ankur A. Patel是Glean和Mellow的聯(lián)合創(chuàng)始人。Glean使用自然語言處理技術(shù)生成供應商的支出情報信息，Mellow為程序員提供自然語言處理的API。此前，Ankur曾領(lǐng)導過7Park Data、ThetaRay、RSquared Macro、Bridgewater Associates（橋水聯(lián)合基金） 和JPMorgan（摩根大通）的團隊。他也是Hands-On Unsupervised Learning Using Python一書的作者。
 
 
Ajay Uppili Arasanipalai
 
Ajay Uppili Arasanipalai是美國伊利諾伊大學的一名學生，也是人工智能研究機構(gòu)Landskape AI的聯(lián)合創(chuàng)始人。作為伊利諾伊大學的ACM SIGAI分會的聯(lián)合主席，他為本科生組織了教育研討會和項目。Ajay撰寫了許多熱門文章，討論了最先進的深度學習技術(shù)。
 
 
本書封面上的鳥是南山八哥（Gracula indica）。椋鳥家族的這個成員原產(chǎn)于印度西南部（西高止山脈）和斯里蘭卡的森林。
這種有光澤的、彩虹色的黑色八哥頭上有亮黃色的垂飾，其獨特的圖案和大小使這種鳥區(qū)別于其他山八哥。它還有橙色的喙、腿和腳，翅膀上有小白斑。成蟲平均身長9英寸（1英寸大約為2.54厘米），包括它的短尾巴。與其他椋鳥一樣，南山八哥常與同類結(jié)伴
而行，無論是成對還是成群，都以其尖銳的自然聲音發(fā)聲。
它們的食物主要是水果和花蜜，包括無花果和薩普漿果。它們是雜食性的，也會吃昆蟲和其他小型獵物。
在野外，這些八哥有各種各樣的叫聲，其中一些是從其他鳥群成員那里學來的。一直以來，山八哥都被認為能很好地模仿人類的聲音，正因為如此，山八哥被人類飼養(yǎng)，但也經(jīng)常被從野外捕捉（有時每年數(shù)千只），用于國際籠養(yǎng)鳥類貿(mào)易。
購買選項
定價：129.00元
書號：978-7-111-70791-2
出版社：機械工業(yè)出版社