由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[正版新书] 深入理解自然语言处理:从深度学习到大模型应用 宋文峰 清华大学出版社 自然语言处理
¥ ×1
| 书名: | 深入理解自然语言处理:从深度学习到大模型应用 |
| 出版社: | 清华大学出版社 |
| 出版日期 | 2025 |
| ISBN号: | 9787302681526 |
| |
| 《深入理解自然语言处理:从深度学习到大模型应用》从自然语言处理(NLP)的任务视角分门别类地介绍深度学习与大模型在现阶段各NLP任务中的应用。以任务视角是指以一个个场景项目为视角,这样可以让读者获得更多的实战经验。《深入理解自然语言处理:从深度学习到大模型应用》的每章都有核心模型的先验链条,这对读者理解和掌握NLP模型非常有帮助。 《深入理解自然语言处理:从深度学习到大模型应用》分为9章,对应9种NLP任务。第1章介绍分词和词性标注任务。第2章介绍文本分类任务,如情感分析、文章分类与打标签等。第3章介绍命名实体识别任务,如提取内容中的姓名和公司名等,在知识图谱、内容结构化和智能对话等场景中也有该类任务的具体应用。第4章介绍神经机器翻译任务,该类任务是NLP最先商用的独立场景。第5章介绍文本纠错任务,该类任务的应用非常广泛,涉及用户输入的场景一般需要用到纠错任务,否则用户体验会很差。第6章介绍机器阅读理解任务,该类任务偏学术,在实践中往往属于某个大任务下的子任务。第7章介绍句法分析任务,该类任务比较传统,基于深度学习的应用场景还不多。第8章介绍文本摘要任务,该类任务在新闻类业务场景中应用较多。第9章介绍信息检索和问答系统任务,凡是类似搜索和输入类需要等待回复的场景都会用到该类任务。 《深入理解自然语言处理:从深度学习到大模型应用》内容丰富,讲解深入浅出,适合有一定机器学习基础的NLP入门和进阶人员阅读,也适合NLP领域的从业人员作为解决具体业务问题的参考书,还适合高等院校人工智能等相关专业作为教材。 |
| |
| 宋文峰, 毕业于中山大学,获计算机硕士学位。先后担任百度、联想和趣头条等互联网大厂的算法团队负责人。熟悉自然语言处理的相关算法和模型,有多年的算法开发、推荐系统开发和自然语言处理项目经验。业余时间兼职自然语言处理讲师,从事相关课程的讲授工作,积累了丰富的经验。 |
| |
| 资深算法工程师多年从事NLP算法与模型研究的经验总结。 基于任务视觉详解深度学习与大模型在各类NLP任务中的应用。 详解深度学习在9种NLP任务中的应用并给出大模型实现示例。 详细介绍实现NLP任务的多种模型,并详细分析每种模型的创新点。 从基本原理、数学推导和应用场景三个方面介绍NLP的相关算法和模型。 每章都给出基于ChatGPT或BERT等大模型实现NLP相关任务的示例。 结合200余幅原理图进行讲解,让抽象的知识变得更加直观和易懂。 基于9种NLP任务组织内容,每种任务都可以视为一个具体的实战项目,各个任务之间依赖度较低,读者可以基于兴趣选择自己感兴趣的内容进行学习,或者基于当前遇到的问题直接查阅相关的解决方案和思路。 不但介绍NLP任务的传统实现方法,而且重点介绍其深度学习实现方法,并在每章后给出基于ChatGPT或者BERT等大模型实现相关任务的示例,从而帮助读者全面掌握NLP任务的实现方法和应用。 详细介绍实现NLP任务的多种模型,不但对相关模型的理论知识进行详细介绍,而且辅以大量的原理图,帮助读者更加高效、直观地理解。 以深度学习的前后发展逻辑展开讲解,详细分析每种模型的创新点,不仅可以让读者快速掌握深度学习模型的核心逻辑,而且可以收获前人总结的先验知识。 不仅可以让读者对NLP的相关任务有清楚的认识和深入的理解,而且还可以对读者阅读NLP相关论文提供很大的帮助。 |
| |
|
|
| |
|
|
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
