《Deep Learning 2|用Python進行自然語言處理的基礎理論實作》是O'Reilly出版的圖書，作者是斎藤康毅
基本介紹
- 書名：Deep Learning 2|用Python進行自然語言處理的基礎理論實作
- 作者：斎藤康毅
- 出版社：O'Reilly
- 出版時間：2019年3月29日
- 頁數：384 頁
- 裝幀：平裝
- ISBN：9789865020675
內容簡介
本書是《Deep Learning : 用Python進行深度學習的基礎理論實作》的續篇，將延續上一本書，繼續介紹與深度學習有關的技術。本書尤其偏重在自然語言處理及時間序列資料處理上，使用深度學習，挑戰各式各樣的問題。和上一本著作一樣，以「從零開始建構」為概念，詳盡介紹與深度學習有關的先進技術。 簡單來說，自然語言處理是指，讓電腦瞭解我們平常說話內容的技術。事實上，這種自然語言處理技術已經大大改變了我們的生活。在網頁搜尋、機械翻譯、語音助理等深深影響世界的技術根基中，已經使用了自然語言處理技術。本書把重點放在自然語言處理及時間序列資料處理上，學習在深度學習中，十分重要的技術。具體而言是指，word2vec、RNN、LSTM、GRU、seq2seq、Attention等技術。本書盡量使用淺顯易懂的說明，解說這些技術，並透過實際操作，確認你是否理解。此外...(展開全部) 本書是《Deep Learning : 用Python進行深度學習的基礎理論實作》的續篇，將延續上一本書，繼續介紹與深度學習有關的技術。本書尤其偏重在自然語言處理及時間序列資料處理上，使用深度學習，挑戰各式各樣的問題。和上一本著作一樣，以「從零開始建構」為概念，詳盡介紹與深度學習有關的先進技術。 簡單來說，自然語言處理是指，讓電腦瞭解我們平常說話內容的技術。事實上，這種自然語言處理技術已經大大改變了我們的生活。在網頁搜尋、機械翻譯、語音助理等深深影響世界的技術根基中，已經使用了自然語言處理技術。本書把重點放在自然語言處理及時間序列資料處理上，學習在深度學習中，十分重要的技術。具體而言是指，word2vec、RNN、LSTM、GRU、seq2seq、Attention等技術。本書盡量使用淺顯易懂的說明，解說這些技術，並透過實際操作，確認你是否理解。此外，本書希望藉由實驗，讓你實際感受到這些技術的可能性。 齋藤康毅（作者） 1984年生於日本長崎縣，東京工業大學畢業，並完成東京大學研究生院課程。目前在某企業從事人工智慧相關的研究和開發工作。著有《深度學習入門：基於Python的理論與實現》，同時也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版譯者。 陸宇傑（譯者） 長期從事自然語言處理、知識圖譜、深度學習相關的研究和開發工作。譯有《深度學習入門：基於Python的理論與實現》。
