TensorFlow自然語言處理|善用 Python 深度學習函式庫，教機器學會自然語言
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
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
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
序／導讀
序
在我們生活的這個數位資訊時代，資料量持續呈現指數型成長；這種前所未有的成長速度，早已超出我們閱讀的速度。其中大多數的資料（如電子郵件、社群媒體、電話對談與網路文章）都和語言（包括文字或口語的形式）有關。自然語言處理（NLP）可有效善用這些資料，幫助人們開展業務或處理日常的工作。目前 NLP 已徹底改變人們運用資料的方式，進一步改善個人的工作與生活，未來這種情況勢必還會持續下去。
NLP最常見的應用範例之一，就是像Apple的Siri、Google助理、亞馬遜的Alexa這類的「虛擬助理（VA, Virtual Assistant）」。每當你向虛擬助理詢問「瑞士最便宜的飯店價格」時，就會觸發一系列複雜的NLP任務。首先，你的虛擬助理必須瞭解（解析出）所提出的請求（例如它必須瞭解所要找的是飯店價格，而不是開放遛狗的公園）。虛擬助理還要做出另一個判斷，那就是理解「便宜」是什麼意思？接著虛擬助理必須針對瑞士的城市做出排序（可以根據你過去旅行的歷史做為依據）。然後，虛擬助理可以到Booking.com與Agoda.com等網站抓取瑞士各飯店的資料，並分析每家飯店的價格與相關評價，再對其進行排名。正如你所見，你在幾秒內所得到的回應，其實是一系列非常複雜的 NLP 任務所得出的結果。
究竟是什麼技術，讓我們每天所提出的各式各樣 NLP 任務，能夠獲得如此準確的回應？其中最根本的要素，就是「深度學習（deep learning）演算法」。深度學習演算法本質上就是一些複雜的神經網路，它可以找出原始資料與我們所需要的輸出兩者之間的對應關係，而不必針對特定任務進行繁複的特徵工程相關工作。這也就表示，如果你提供某人對於某飯店的評價看法，演算法就可以直接告訴你「這個人對於這家飯店的看法有多麼正面？」。此外，深度學習在各式各樣的 NLP 任務（例如語音辨識和機器翻譯）中，也已經達到甚至超越人類的表現了。
只要閱讀本書，你就可以學會如何運用深度學習，解決許多有趣的 NLP 問題。如果你想成為改變世界的影響者，好好研究 NLP 就是件很重要的事。包括學習單詞的語義、生成全新的文字內容，或是觀察成對的雙語句子以進行不同語言間的翻譯，這些全都屬於 NLP 任務。本書在所有技術性章節中都附有練習，其中也包含給讀者們實作出各種系統時所需的逐步指導。本書所有練習範例都採用 Python 搭配 TensorFlow；TensorFlow 是一種相當流行的分散式計算函式庫，非常適合用來實作出各種深度神經網路。
本書的目標讀者
所有想要善用語言資料改造世界的有志初學者，都是本書的目標讀者。本書會提供穩固而扎實的實務基礎，讓你有能力解決各種 NLP 任務。我們會在書中涵蓋 NLP 的各個面向，除了理論基礎之外，也會聚焦於實務方面的實作。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。
在我們生活的這個數位資訊時代，資料量持續呈現指數型成長；這種前所未有的成長速度，早已超出我們閱讀的速度。其中大多數的資料（如電子郵件、社群媒體、電話對談與網路文章）都和語言（包括文字或口語的形式）有關。自然語言處理（NLP）可有效善用這些資料，幫助人們開展業務或處理日常的工作。目前 NLP 已徹底改變人們運用資料的方式，進一步改善個人的工作與生活，未來這種情況勢必還會持續下去。
NLP最常見的應用範例之一，就是像Apple的Siri、Google助理、亞馬遜的Alexa這類的「虛擬助理（VA, Virtual Assistant）」。每當你向虛擬助理詢問「瑞士最便宜的飯店價格」時，就會觸發一系列複雜的NLP任務。首先，你的虛擬助理必須瞭解（解析出）所提出的請求（例如它必須瞭解所要找的是飯店價格，而不是開放遛狗的公園）。虛擬助理還要做出另一個判斷，那就是理解「便宜」是什麼意思？接著虛擬助理必須針對瑞士的城市做出排序（可以根據你過去旅行的歷史做為依據）。然後，虛擬助理可以到Booking.com與Agoda.com等網站抓取瑞士各飯店的資料，並分析每家飯店的價格與相關評價，再對其進行排名。正如你所見，你在幾秒內所得到的回應，其實是一系列非常複雜的 NLP 任務所得出的結果。
究竟是什麼技術，讓我們每天所提出的各式各樣 NLP 任務，能夠獲得如此準確的回應？其中最根本的要素，就是「深度學習（deep learning）演算法」。深度學習演算法本質上就是一些複雜的神經網路，它可以找出原始資料與我們所需要的輸出兩者之間的對應關係，而不必針對特定任務進行繁複的特徵工程相關工作。這也就表示，如果你提供某人對於某飯店的評價看法，演算法就可以直接告訴你「這個人對於這家飯店的看法有多麼正面？」。此外，深度學習在各式各樣的 NLP 任務（例如語音辨識和機器翻譯）中，也已經達到甚至超越人類的表現了。
只要閱讀本書，你就可以學會如何運用深度學習，解決許多有趣的 NLP 問題。如果你想成為改變世界的影響者，好好研究 NLP 就是件很重要的事。包括學習單詞的語義、生成全新的文字內容，或是觀察成對的雙語句子以進行不同語言間的翻譯，這些全都屬於 NLP 任務。本書在所有技術性章節中都附有練習，其中也包含給讀者們實作出各種系統時所需的逐步指導。本書所有練習範例都採用 Python 搭配 TensorFlow；TensorFlow 是一種相當流行的分散式計算函式庫，非常適合用來實作出各種深度神經網路。
本書的目標讀者
所有想要善用語言資料改造世界的有志初學者，都是本書的目標讀者。本書會提供穩固而扎實的實務基礎，讓你有能力解決各種 NLP 任務。我們會在書中涵蓋 NLP 的各個面向，除了理論基礎之外，也會聚焦於實務方面的實作。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。
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價