广东职业技术学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

深入理解Transformer自然语言处理:使用Python、PyTorch、TensorFlow、BERT、RoBERTa为NLP构建深度神经网络架构/(法) 丹尼斯·罗思曼著 马勇 ... [等] 译

出版发行项:

北京:北京理工大学出版社,2023.10

ISBN及定价:

978-7-5763-2893-6/CNY99.00

载体形态项:

14, 267页:图;24cm

统一题名:

Transformers for natural language processing : build innovative deep neural network architectures for NLP with Python, Pytorch, TensorFlow, BERT, RoBERTa, and more

其它题名:

使用Python、PyTorch、TensorFlow、BERT、RoBERTa为NLP构建深度神经网络架构

个人责任者:

罗思曼 (Rothman, Denis) 著

个人次要责任者:

马勇 译

个人次要责任者:

曾小健 译

学科主题:

自然语言处理

中图法分类号:

TP391

题名责任附注:

题名页题: 马勇, 曾小健, 任玉柱, 梁理智译

责任者附注:

丹尼斯·罗思曼 (Denis Rothman), 毕业于索邦大学和巴黎狄德罗大学, 设计了第一个word2matrix专利嵌入和向量化系统。

书目附注:

有书目

提要文摘附注:

本书将向你展示如何提高语言理解能力。每一章都将带你从Python、PyTorch和TensorFlow中从零开始了解语言理解的关键方面。例如, 在媒体、社交媒体和研究论文等许多领域, 对语言理解的需求与日俱增。在数百项AI任务中, 我们需要总结大量数据进行研究, 为各个经济领域翻译文档, 并出于道德和法律原因扫描所有社交媒体帖子。谷歌推出的Transformer通过一种新颖的自注意力架构提供了新的语言理解方法。

使用对象附注:

本书适用于对Transformer学习感兴趣的读者以及人工智能领域的从业人员

豆瓣简介：