深度學(xué)習(xí)自然語(yǔ)言處理實(shí)戰(zhàn)

深度學(xué)習(xí)自然語(yǔ)言處理實(shí)戰(zhàn)讀書筆記模板01思維導(dǎo)圖讀書筆記作者介紹內(nèi)容摘要目錄分析精彩摘錄目錄0305020406思維導(dǎo)圖深度自然語(yǔ)言處理自然語(yǔ)言處理深度實(shí)戰(zhàn)模型領(lǐng)域框架代碼實(shí)戰(zhàn)神經(jīng)網(wǎng)絡(luò)模型梯度第章深度語(yǔ)言卷積環(huán)境配置本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要近年來(lái)，基于深度學(xué)習(xí)方法的自然語(yǔ)言處理（NLP）已逐漸成為主流。本書共8章，主要介紹自然語(yǔ)言處理任務(wù)中的深度學(xué)習(xí)技術(shù)，包含深度學(xué)習(xí)理論基礎(chǔ)、深度學(xué)習(xí)的軟件框架、語(yǔ)言模型與詞向量、序列模型與梯度消失/爆炸、卷積神經(jīng)網(wǎng)絡(luò)在NLP領(lǐng)域的應(yīng)用、Seq2Seq模型與Attention機(jī)制、大規(guī)模預(yù)訓(xùn)練模型、預(yù)訓(xùn)練語(yǔ)言模型BERT，還給出了自然語(yǔ)言處理技術(shù)的高級(jí)應(yīng)用和開發(fā)實(shí)例，并收錄了基于PyTorch深度學(xué)習(xí)框架的部分實(shí)踐項(xiàng)目。本書既可作為人工智能、計(jì)算機(jī)科學(xué)、電子信息工程、自動(dòng)化等專業(yè)的本科生及研究生教材，也可作為自然語(yǔ)言處理相關(guān)領(lǐng)域的研究人員和技術(shù)人員的參考資料。讀書筆記讀書筆記比較粗略地介紹，如果不是本身就懂的話基本是看不懂的。目錄分析1.2深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)1.1深度學(xué)習(xí)概況第1章深度學(xué)習(xí)理論基礎(chǔ)2.1環(huán)境配置2.2PyTorch入門2.3PyTorch自動(dòng)求梯度2.4PyTorchnn模塊第2章深度學(xué)習(xí)的軟件框架3.1語(yǔ)言模型3.3代碼實(shí)戰(zhàn)3.2詞向量第3章語(yǔ)言模型與詞向量4.1循環(huán)神經(jīng)網(wǎng)絡(luò)4.2梯度消失與爆炸4.3改進(jìn)方法4.4代碼實(shí)戰(zhàn)：搭建LSTM/GRU的文本分類器第4章序列模型與梯度消失/爆炸5.1卷積神經(jīng)網(wǎng)絡(luò)的概念5.3代碼實(shí)戰(zhàn)：CNN情感分類實(shí)戰(zhàn)5.2空洞卷積神經(jīng)網(wǎng)絡(luò)第5章卷積神經(jīng)網(wǎng)絡(luò)在NLP領(lǐng)域的應(yīng)用6.1Encoder-Decoder結(jié)構(gòu)6.2Attention機(jī)制6.3Seq2Seq訓(xùn)練與預(yù)測(cè)6.4代碼實(shí)戰(zhàn)：應(yīng)用PyTorch搭建機(jī)器翻譯模型第6章Seq2Seq模型與Attention機(jī)制7.2Transformer7.1ELMo第7章大規(guī)模預(yù)訓(xùn)練模型8.1BERT的基本概念8.2BERT的工作原理8.3BERT的可解釋性8.4其他預(yù)訓(xùn)練模型8.5代碼實(shí)戰(zhàn)：預(yù)訓(xùn)練模型12345第8章預(yù)訓(xùn)練語(yǔ)言模型BERT作者介紹同名作者介紹這是《深度學(xué)習(xí)自然語(yǔ)言處理實(shí)戰(zhàn)》的讀書筆記模板，暫無(wú)該書作者的介紹。