鏈接：https://pan.baidu.com/s/1scfJIEfdCQIbDBw5ly7KyQ?pwd=iqdx?

提取碼：iqdx

1. Meta資深工程師、數(shù)據(jù)科學(xué)家、機器學(xué)習(xí)算法研發(fā)專業(yè)人員執(zhí)筆，傳遞值得借鑒學(xué)習(xí)的經(jīng)驗和見解。
2. 從研究員和實踐者的雙重角度出發(fā)，系統(tǒng)介紹深度學(xué)習(xí)技術(shù)原理及其在自然語言處理中的應(yīng)用。
3. 匯集該領(lǐng)域的重要思想和研究成果，清晰梳理自然語言處理技術(shù)發(fā)展脈絡(luò)，幫助讀者更好地了解該領(lǐng)域的發(fā)展歷程和趨勢。
4. 內(nèi)容新穎全面，聚焦前沿，講解深入淺出、通俗易懂，適合入門自然語言處理，是一本不容錯過的優(yōu)質(zhì)參考書。

內(nèi)容簡介

本書針對當(dāng)前火熱且應(yīng)用前景廣闊的自然語言處理（NLP），介紹了深度學(xué)習(xí)的技術(shù)原理及其在自然語言處理中的應(yīng)用；簡要分析了該領(lǐng)域各個應(yīng)用方向上的相關(guān)模型和關(guān)鍵技術(shù)，包括Transformer、BERT、GPT，等等；匯集了眾多論文中的重要思想和研究成果；系統(tǒng)梳理了技術(shù)發(fā)展脈絡(luò)。此外，本書還介紹了如何使用深度學(xué)習(xí)技術(shù)來訓(xùn)練模型，并分析了其在應(yīng)用中的表現(xiàn)及優(yōu)化手段，以幫助讀者更好地將理論應(yīng)用于實踐。本書內(nèi)容通俗易懂，可作為入門自然語言處理的參考書。

作者簡介

張鐳
目前在Meta公司從事機器學(xué)習(xí)算法研發(fā)。美國伊利諾伊大學(xué)芝加哥分校計算機科學(xué)博士，主要研究領(lǐng)域為自然語言處理、機器學(xué)習(xí)和數(shù)據(jù)挖掘。在國內(nèi)外學(xué)術(shù)期刊和會議上已發(fā)表20多篇學(xué)術(shù)文章，獲得多項美國專利，合著有Mining Text Data等4本關(guān)于文本數(shù)據(jù)挖掘和大數(shù)據(jù)計算的圖書，并長期受邀擔(dān)任自然語言處理國際期刊評委和國際會議程序委員會委員。

精彩書評

以預(yù)訓(xùn)練語言模型為代表的深度學(xué)習(xí)技術(shù)是當(dāng)下自然語言處理的核心技術(shù)。該書從自然語言處理和深度學(xué)習(xí)基礎(chǔ)開始，詳細介紹了GloVe、Word2Vec、BERT、GPT等詞表征技術(shù)，同時涉及注意力機制、遷移學(xué)習(xí)、強化學(xué)習(xí)等基礎(chǔ)方法，最后介紹了機器翻譯、文本摘要、自動問答、對話系統(tǒng)、情感分析等任務(wù)相關(guān)的深度學(xué)習(xí)方法以及ChatGPT的核心技術(shù)。全書深入淺出、講述清晰。通過本書讀者能夠快速、全面地了解該領(lǐng)域的基礎(chǔ)技術(shù)和前沿方法，特此推薦！
——劉康，中國科學(xué)院自動化研究所模式識別國家重點實驗室研究員、博士生導(dǎo)師

本書對深度學(xué)習(xí)在自然語言處理中的應(yīng)用進行了系統(tǒng)、深入的介紹，前半部分涵蓋了詞表征、注意力機制、遷移學(xué)習(xí)等深度學(xué)習(xí)重要技術(shù)，后半部分講解了機器翻譯、自動問答、情感分析等自然語言處理的主要應(yīng)用，對該領(lǐng)域的前沿進展進行了全面總結(jié)，內(nèi)容翔實、通俗易懂，是一本不可多得的入門自然語言處理的參考書。
——劉洋，清華大學(xué)萬國數(shù)據(jù)教授

OpenAI的對話式產(chǎn)品ChatGPT的推出再次點燃了工業(yè)界、學(xué)術(shù)界對AI、LLM的熱情，而LLM正是由2017年應(yīng)用于機器翻譯等NLP問題的Transformer衍生而來。在現(xiàn)在這個時間點，張鐳博士通過本書系統(tǒng)地介紹了深度學(xué)習(xí)技術(shù)在NLP各領(lǐng)域的應(yīng)用，同時完整地介紹了從詞表征到GPT的發(fā)展歷程以及遷移學(xué)習(xí)、強化學(xué)習(xí)等基礎(chǔ)算法原理，可以幫助NLP研究者快速入門，并與最新趨勢無縫鏈接。
——仇光，阿里巴巴資深算法專家、技術(shù)總監(jiān)

目錄

前言 iii
第 1章 緒論 1
1．1 機器學(xué)習(xí)簡介 1
1．1．1 機器學(xué)習(xí)的發(fā)展歷程 1
1．1．2 機器學(xué)習(xí)的算法分類 4
1．2 深度學(xué)習(xí)簡介 5
1．3 自然語言處理簡介 7
1．3．1 自然語言處理的發(fā)展歷程 7
1．3．2 自然語言處理的研究方向 8
1．3．3 自然語言理解的主要任務(wù) 8
1．3．4 自然語言生成的任務(wù) 14
1．3．5 自然語言處理面臨的挑戰(zhàn) 15
1．4 自然語言處理與機器學(xué)習(xí)和深度學(xué)習(xí) 16