??

Embedding（嵌入）是當下人工智能領域的熱點，并發揮著越來越重要的作用。本書從Embedding基礎概念和方法講起，逐漸深入其原理，并以應用實例作為輔助，是快速了解并掌握Embedding的參考指南。

本書內容

全書一共16章，分為兩個部分：

第一部分為Embedding基礎知識（第1～9章），主要講解Embedding的基礎知識、原理以及如何讓Embedding落地的相關技術，如TensorFlow和PyTorch中的Embedding層、CNN算法、RNN算法、遷移學習方法等，重點介紹了Transformer和基于它的GPT、BERT預訓練模型及BERT的多種改進版本等。

第1章：萬物皆可嵌入，介紹了各種各樣的embedding技術。

第2章：講解如何獲取Embedding，介紹了Pytorch和Tensorflow框架中的emdding layer使用，以及如何從預訓練模型中獲取embedding；

第3、4章分別介紹視覺處理、文本處理方面的基礎知識；包括視覺中的卷積神經網絡與預訓練模型，文本處理中的訓練神經網絡，編解碼模型與序列模型。

第5章為本書重點，介紹了多種注意力機制，包括給Encoder-Decoder模型添加注意力機制，Transfromer模型詳解與實現，Transfromer-XL模型詳解與實現；

第6～8章介紹了ELMo、BERT、GPT、XLNet等多種預訓練模型；

第9章介紹了推薦排序系統中的深度學習技術，包括卷積神經網絡，transformer的使用。

第2部分（第10 ~16章）Embedding應用實例

通過6個實例介紹了Embedding及相關技術的實際應用，包括如何使用Embedding提升傳統機器學習性，如何把Embedding技術應用到推薦系統中，如何使用Embedding技術提升NLP模型的性能等。

第10章介紹如何使用Embedding處理機器學習中的分類特征；

第11章介紹如何使用Embedding提升機器學習性能；

第12章介紹如何使用Transformer實現將英文翻譯成中文；

第13章介紹Embedding在推薦系統中的前沿應用；

第14章介紹如何使用BERT實現中文語句分類問題；

第15章介紹如何使用GPT-2實現文本生成；

第16章是對Embedding技術的總結。

本書主要作者：

吳茂貴，資深大數據和人工智能技術專家，在BI、數據挖掘與分析、數據倉庫、機器學習等領域工作超過20年。在基于Spark、TensorFlow、PyTorch、Keras等的機器學習和深度學習方面有大量的工程實踐實踐，對Embedding有深入研究。著有《深度實踐Spark機器學習》《Python深度學習：基于TensorFlow》《Python深度學習：基于Pytorch》等多部著作，廣受讀者好評。

本書特色：在內容方面，本書理論與實操兼顧，一方面系統講解了Embedding的基礎、技術、原理、方法和性能優化，一方面詳細列舉和分析了Embedding在機器學習性能提升、中英文翻譯、推薦系統等6個重要場景的應用實踐；在寫作方式上，秉承復雜問題簡單化的原則，盡量避免復雜的數學公式，盡量采用可視化的表達方式，旨在降低本書的學習門檻，讓讀者能看得完、學得會。

贈書

接下來是福利時間，本次我們贈送出3本書籍，想要獲得書籍的同學，在本公眾號下方留言，根據點贊數的高低，本周日上午（8.7）10:00統計出獲獎讀者，屆時聯系有三微信Longlongtogo即可。

如果沒有獲得贈書，也可以在京東和當當購買，鏈接如下：

往期相關

• 【CV春季劃】2021年有三AI-CV春季劃出爐，最后一屆言有三手把手從零帶學

• 【CV夏季劃】告別入門，提升眼界，從掌握最有價值的那些CV方向開始
  

• 【CV秋季劃】生成對抗網絡GAN有哪些研究和應用，如何循序漸進地學習好？

• 【CV秋季劃】模型優化很重要，如何循序漸進地學習好？

• 【CV秋季劃】人臉算法那么多，如何循序漸進地學習好？

• 【CV秋季劃】圖像質量提升與編輯有哪些研究和應用，如何循序漸進地學習好？

總結

以上是生活随笔為你收集整理的【赠书】深入浅出embedding：原理解析与应用实践的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。