《深入淺出Embedding 原理解析與應(yīng)用實(shí)踐》讀書筆記思維導(dǎo)圖

《深入淺出Embedding原理解析與應(yīng)用實(shí)踐》最新版讀書筆記，下載可以直接修改思維導(dǎo)圖PPT模板小結(jié)模型第章應(yīng)用技術(shù)系統(tǒng)實(shí)例原理數(shù)據(jù)使用方法推薦可視化性能安裝訓(xùn)練處理實(shí)踐學(xué)習(xí)本書關(guān)鍵字分析思維導(dǎo)圖01第一部分Embedding基礎(chǔ)知識(shí)附錄A基于GPU的TensorFlow...第二部分Embedding應(yīng)用實(shí)例附錄B語言模型目錄030204內(nèi)容摘要這是一本系統(tǒng)、全面、理論與實(shí)踐相結(jié)合的Embedding技術(shù)指南，由資深的AI技術(shù)專家和高級(jí)數(shù)據(jù)科學(xué)家撰寫，得到了黃鐵軍、韋青、張崢、周明等中國(guó)人工智能領(lǐng)域的領(lǐng)軍人物的一致好評(píng)和推薦。在內(nèi)容方面，本書理論與實(shí)操兼顧，一方面系統(tǒng)講解了Embedding的基礎(chǔ)、技術(shù)、原理、方法和性能優(yōu)化，一方面詳細(xì)列舉和分析了Embedding在機(jī)器學(xué)習(xí)性能提升、中英文翻譯、推薦系統(tǒng)等6個(gè)重要場(chǎng)景的應(yīng)用實(shí)踐；在寫作方式上，秉承復(fù)雜問題簡(jiǎn)單化的原則，盡量避免復(fù)雜的數(shù)學(xué)公式，盡量采用可視化的表達(dá)方式，旨在降低本書的學(xué)習(xí)門檻，讓讀者能看得完、學(xué)得會(huì)。全書一共16章，分為兩個(gè)部分：第1部分（第1~9章）Embedding理論知識(shí)。主要講解Embedding的基礎(chǔ)知識(shí)、原理以及如何讓Embedding落地的相關(guān)技術(shù)，如TensorFlow和PyTorch中的Embedding層、CNN算法、RNN算法、遷移學(xué)習(xí)方法等，重點(diǎn)介紹了Transformer和基于它的GPT、BERT預(yù)訓(xùn)練模型及BERT的多種改進(jìn)版本等。第二部分（第10~16章）Embedding應(yīng)用實(shí)例。通過6個(gè)實(shí)例介紹了Embedding及相關(guān)技術(shù)的實(shí)際應(yīng)用，包括如何使用Embedding提升傳統(tǒng)機(jī)器學(xué)習(xí)性，如何把Embedding技術(shù)應(yīng)用到推薦系統(tǒng)中，如何使用Embedding技術(shù)提升NLP模型的性能等。第一部分Embedding基礎(chǔ)知識(shí)浮光掠影，泛泛而談，既沒有講清楚本質(zhì)，也沒有切實(shí)有意義的指導(dǎo)[豬頭]。第1章萬物皆可嵌入第2章獲取Embedding的方法第3章計(jì)算機(jī)視覺處理第4章文本及序列處理第5章注意力機(jī)制第6章從WordEmbedding到...010302040506第一部分Embedding基礎(chǔ)知識(shí)第7章從ELMo到BERT和GPT第9章推薦系統(tǒng)第8章BERT的優(yōu)化方法第一部分Embedding基礎(chǔ)知識(shí)1.1處理序列問題的一般步驟1.2WordEmbedding1.3ItemEmbedding1.4用Embedding處理分類特征第1章萬物皆可嵌入1.5GraphEmbedding1.6ContextualWord...1.7使用WordEmbedding...1.8小結(jié)第1章萬物皆可嵌入2.1使用PyTorch的Embedd...2.2使用TensorFlow2.0...2.3從預(yù)訓(xùn)練模型獲取Embeddin...2.4小結(jié)第2章獲取Embedding的方法3.1卷積神經(jīng)網(wǎng)絡(luò)3.2使用預(yù)訓(xùn)練模型3.3獲取預(yù)訓(xùn)練模型3.4使用PyTorch實(shí)現(xiàn)數(shù)據(jù)遷移實(shí)...3.5小結(jié)12345第3章計(jì)算機(jī)視覺處理4.1循環(huán)網(wǎng)絡(luò)的基本結(jié)構(gòu)4.3小結(jié)4.2構(gòu)建一些特殊模型第4章文本及序列處理5.1注意力機(jī)制概述5.2帶注意力機(jī)制的Encoder-D...5.3可視化Transformer5.4使用PyTorch實(shí)現(xiàn)Trans...第5章注意力機(jī)制5.5Transformer-XL5.6使用PyTorch構(gòu)建Trans...5.7Reformer5.8小結(jié)第5章注意力機(jī)制6.1從word2vec到ELMo6.3小結(jié)6.2可視化ELMo原理第6章從WordEmbedding到...7.1ELMo的優(yōu)缺點(diǎn)7.2可視化BERT原理7.3使用PyTorch實(shí)現(xiàn)BERT7.4可視化GPT原理7.5GPT-3簡(jiǎn)介7.6小結(jié)010302040506第7章從ELMo到BERT和GPT8.1可視化XLNet原理8.2ALBERT方法8.3ELECTRA方法8.4小結(jié)第8章BERT的優(yōu)化方法9.1推薦系統(tǒng)概述9.2協(xié)同過濾9.3深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用9.4小結(jié)第9章推薦系統(tǒng)第二部分Embedding應(yīng)用實(shí)例算法細(xì)節(jié)講述的很詳細(xì)且最終都用代碼實(shí)現(xiàn)，對(duì)想要深入理解原理的初學(xué)者很友好。第10章用Embedding表現(xiàn)分類特...第11章用Embedding提升機(jī)器學(xué)...第12章用Transformer實(shí)現(xiàn)英...第13章Embedding技術(shù)在推薦系...第二部分Embedding應(yīng)用實(shí)例第14章用BERT實(shí)現(xiàn)中文語句分類第16章Embedding技術(shù)總結(jié)第15章用GPT-2生成文本第二部分Embedding應(yīng)用實(shí)例10.1項(xiàng)目背景10.3小結(jié)10.2TensorFlow2詳細(xì)實(shí)...第10章用Embedding表現(xiàn)分類特...11.1項(xiàng)目概述11.2使用Embedding提升神經(jīng)...11.3構(gòu)建XGBoost模型11.4使用Embedding數(shù)據(jù)的X...11.5可視化Embedding數(shù)據(jù)11.6小結(jié)010302040506第11章用Embedding提升機(jī)器學(xué)...12.1TensorFlow2+實(shí)例...12.2預(yù)處理數(shù)據(jù)12.3構(gòu)建Transformer模型12.4定義損失函數(shù)12.5定義優(yōu)化器12.6訓(xùn)練模型010302040506第12章用Transformer實(shí)現(xiàn)英...12.7評(píng)估預(yù)測(cè)模型12.9小結(jié)12.8可視化注意力權(quán)重第12章用Transformer實(shí)現(xiàn)英...13.1Embedding在Airbn...13.2Transformer在阿里推...13.3BERT在美團(tuán)推薦系統(tǒng)中的應(yīng)用13.4小結(jié)第13章Embedding技術(shù)在推薦系...14.1背景說明14.2可視化BERT注意力權(quán)重14.3用BERT預(yù)訓(xùn)練模型微調(diào)下游任...14.4訓(xùn)練模型14.5測(cè)試模型14.6小結(jié)010302040506第14章用BERT實(shí)現(xiàn)中文語句分類15.1GPT-2概述15.2用GPT-2生成新聞15.3微調(diào)GPT-2生成戲劇文本15.4小結(jié)第15章用GPT-2生成文本16.1Embedding技術(shù)回顧16.3小結(jié)16.2Embedding技術(shù)展望第16章Embedding技術(shù)總結(jié)附錄A基于GPU的TensorFlow...A.1環(huán)境分析A.2參考資料A.3安裝的準(zhǔn)備工作A.4升級(jí)GPU驅(qū)動(dòng)A.5安裝Python3.7A.6安裝TensorFlow-GPU...010302040506附錄A基于GPU的TensorFlow...A.7JupyterNotebook...A.8安裝驗(yàn)證A.9