本书分为三部分。第1部分聚焦于自然语言处理的高层次概述，包括自然语言处理的历史、该领域流行的应用，以及如何使用预训练模型来执行迁移学习和快速解决现实世界中的问题。第二部分将深研究自然语言处理的底层细节，包括预处理文本、分词和向量嵌。然后探讨当今自然语言处理中有效的建模方法，如Transformer、注意力机制、普通循环神经网络、长短期记忆和门控循环单元。第三部分将讨论应用自然语言处理很重要的方面——如何产品化已发的模型，以便这些模型为组织提供看得见、摸得着的价值。我们将讨论当今可用工具的前景，分享对它们的看法。<br/>【推荐语】<br/>在过去几年中，自然语言处理技术的受欢迎程度呈现“爆炸式”增长。尽管Google、Facebook、OpenAI等前沿公司继续发布着规模更大的语言模型，但许多发团队仍在摸索着构建与时俱的自然语言处理应用程序。本书将帮助你快速了解自然语言处理的新技术及未来发展趋势。 通过阅读本书，你将学习如何为组织中的实际应用程序构建、训练和部署模型。作者使用强调现代自然语言处理*佳实践的代码和示例来指导你完成整个过程。 本书的主要内容包括： ?使用先的自然语言处理模型（如BERT和GPT-3）来解决命名实体识别、文本分类、语义搜索和阅读理解等自然语言处理任务。 ?发性能可媲美甚至优于箱即用系统的自然语言处理模型。 ?Transformer架构和现代技巧，比如席卷整个自然语言处理世界的迁移学习。 ?自然语言处理的工具和框架，包括spaCy、Hugging Face和fast.ai。 ?使用Python和PyTorch从头始构建自然语言处理任务流水线的核心部分，包括分词器、向量嵌和语言模型。 ?将你的模型从Jupyter Notebook中产品化，并学习如何在生产环境中部署、监控和维护它们。 “这本书富有启发性。作者带领你遨游于自然语言处理的复杂世界。每一章都让你有所收获。” ——Benjamin Muskalla 高级软件工程师 Ankur A. Patel是Glean和Mellow的联合创始人。Glean使用自然语言处理技术生成供应商的支出情报信息，Mellow为程序员提供自然语言处理的API。此前，Ankur曾领导过7Park Data、ThetaRay、R-Squared Macro、Bridgewater Associates（桥水联合基金）和JPMorgan（摩根大通）的团队。他也是Hands-On Unsupervised Learning Using Python一书的作者。 Ajay Uppili Arasanipalai是美国伊利诺伊大学的一名学生，也是人工智能研究机构Landskape AI的联合创始人。作为伊利诺伊大学的ACM SIGAI分会的联合主席，他为本科生组织了教育研讨会和项目。Ajay撰写了许多热门文章，讨论了*先的深度学习技术。<br/>
評論0