Deep Learning 2|用Python進行自然語言處理的基礎理論實作
ゼロから作るDeep Learning ❷ ―自然言語処理編
 
作者: 斎藤康毅
譯者: 吳嘉芳
書號: A581     出版日: 2019/03/27
ISBN: 9789865020675     EAN: 9789865020675
紙本書價格: 680     附件: 
電子書: 已出版
試讀  
  博客來  
  金石堂  
  天瓏  
  團體購書



回頁首
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。

回頁首
我不能創造的東西,我就不瞭解

這個世界即將因深度學習而產生巨變。不論智慧型手機的語音辨識,或網站的即時翻譯,還是匯兌預測,都少不了深度學習。新藥開發、病患的病情診斷、自動駕駛也因為深度學習而逐漸得以實現。除此之外,在先進技術的背後,一定隱藏著深度學習。未來,整個世界必定會因為深度學習而變得更進步。
這本書是《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。


本書的概念
筆者認為,若要深入瞭解深度學習(或某種高深的技術),「從零開始建構」這種經驗格外重要。從零開始建構是指,從自己可以理解的部分開始,盡量不使用外面的現成產品,完成目標技術。透過這種經驗,能確實將深度學習融會貫通,而不只是學到皮毛,這就是本書希望達成的目的。
總而言之,想深入理解技術,就需要具備能把它製作出來的知識及技能。這本書將從零開始建構深度學習,並為此寫出各式各樣的程式碼,進行各種實驗。這是十分耗時的工作,偶爾也會大傷腦筋。可是,在這種花時間的工作中,蘊藏著徹底理解技術時的重要精髓。藉由這種方式獲得的知識,一定可以在運用現有函式庫、閱讀最先進的論文、建置原創系統時,發揮作用。更重要的是,逐一解構深度學習的結構及原理,並且加以理解,將是無比快樂的事情。

進入自然語言處理的世界
本書的主題是深度學習的自然語言處理。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。讓電腦理解我們的用語,是一個很困難的問題,同時也是極為重要的主題。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、機器翻譯、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。
自然語言處理是我們生活當中不可或缺的技術,在這個領域,深度學習占了極為重要的位置。事實上,透過深度學習,大幅提升了過去自然語言處理的效能。例如,Google的機器翻譯透過深度學習的手法,產生了極為顯著的進步,這點讓人印象深刻。
本書把重點放在自然語言處理及時間序列資料處理上,學會在深度學習中,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,我希望藉由實驗,讓你實際感受到這些技術的可能性。
這是一本以深度學習為主,探索自然語言處理,展開冒險的書籍。本書一共分成八章,這些章節的結構就像是一連串的故事,請從頭開始,依序閱讀下去。發現問題,思考解決問題的新手法,並且加以改良。請利用這種過程,使用手中的深度學習武器,逐一解決關於自然語言處理的各種問題。我希望透過此種冒險方式,讓你深入學會深度學習中的重要技巧,並體會箇中樂趣。

回頁首

Deep Learning|用Python進行深度學習的基礎理論實作 Data Science from Scratch中文版|用Python學資料科學 深度學習|內行人的做法


回頁首

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


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載