內容簡介
本書提供穩固而札實的實務基礎，讓你有能力解決各種NLP任務。本書涵蓋NLP的各個面向，除了理論基礎之外，更強調實務方面的實作。在解決各種NLP任務時，如果能在實務方面擁有良好的基礎，一定有助於你順利過渡到更高級的理論架構。此外，若能在實務方面有更扎實的理解，也就可以讓你更充分利用特定領域的知識，進而對演算法做出更好的調整。
透過本書，您將可以：
．了解NLP的概念與各種自然語言處理方法
．如何應用TensorFlow來進行NLP
．將大量數據處理成可供深度學習應用程序使用的單詞表示的策略
．如何使用CNN和RNN進行句子分類和語言生成
．如何使用RNN來解決複雜的文本生成任務
．如何應用類神經技術開發自動翻譯系統
．自然語言處理的未來趨勢與發展
透過本書，您將可以：
．了解NLP的概念與各種自然語言處理方法
．如何應用TensorFlow來進行NLP
．將大量數據處理成可供深度學習應用程序使用的單詞表示的策略
．如何使用CNN和RNN進行句子分類和語言生成
．如何使用RNN來解決複雜的文本生成任務
．如何應用類神經技術開發自動翻譯系統
．自然語言處理的未來趨勢與發展
作者簡介
譯者介紹
目錄
前言
Chapter 1：自然語言處理簡介
Chapter 2：TensorFlow 介紹
Chapter 3：Word2vec｜學習單詞內嵌
Chapter 4：Word2vec 進階
Chapter 5：CNN 卷積神經網路｜句子分類
Chapter 6：RNN 遞迴神經網路
Chapter 7：LSTM 長短期記憶網路
Chapter 8：LSTM 的應用：生成文字
Chapter 9：LSTM 的應用：生成圖片說明
Chapter 10：Seq2Seq 序列轉序列｜ NMT 神經機器翻譯
Chapter 11：NLP 自然語言處理的趨勢與未來
Appendix A：數學基礎和 TensorFlow 進階概念
Chapter 1：自然語言處理簡介
Chapter 2：TensorFlow 介紹
Chapter 3：Word2vec｜學習單詞內嵌
Chapter 4：Word2vec 進階
Chapter 5：CNN 卷積神經網路｜句子分類
Chapter 6：RNN 遞迴神經網路
Chapter 7：LSTM 長短期記憶網路
Chapter 8：LSTM 的應用：生成文字
Chapter 9：LSTM 的應用：生成圖片說明
Chapter 10：Seq2Seq 序列轉序列｜ NMT 神經機器翻譯
Chapter 11：NLP 自然語言處理的趨勢與未來
Appendix A：數學基礎和 TensorFlow 進階概念