《自然语言处理实战 预训练模型应用及其产品化》读书笔记思维导图

思维导图PPT模板《自然语言处理实战预训练模型应用及其产品化》最新版读书笔记，下载可以直接修改第章模型向量总结自然语言处理机器循环计算机注意力文本数据机制学习深度时刻神经网络任务训练应用程序本书关键字分析思维导图01关于封面第一部分浮光掠影OReillyMedia,Inc....第二部分纲举目张目录03020405第三部分经世致用附录BCUDA附录A大规模训练目录0706内容摘要本书分为三部分。第1部分聚焦于自然语言处理的高层次概述，包括自然语言处理的历史、该领域流行的应用，以及如何使用预训练模型来执行迁移学习和快速解决现实世界中的问题。第二部分将深入研究自然语言处理的底层细节，包括预处理文本、分词和向量嵌入。然后探讨当今自然语言处理中有效的建模方法，如Transformer、注意力机制、普通循环神经网络、长短期记忆和门控循环单元。第三部分将讨论应用自然语言处理很重要的方面——如何产品化已开发的模型，以便这些模型为组织提供看得见、摸得着的价值。我们将讨论当今可用工具的前景，分享对它们的看法。关于封面OReillyMedia,Inc....第一部分浮光掠影第1章自然语言处理介绍第3章NLP任务和应用程序第2章Transformer和迁移学习第一部分浮光掠影1.1什么是自然语言处理1.3总结1.2基本的自然语言处理第1章自然语言处理介绍2.1利用fast.ai库进行训练2.3总结2.2利用HuggingFace系列...第2章Transformer和迁移学习3.1预训练语言模型3.2迁移学习和微调3.3NLP任务3.4自然语言数据集第3章NLP任务和应用程序3.5NLP任务1：命名实体识别3.7总结3.6NLP任务2：文本分类第3章NLP任务和应用程序第二部分纲举目张第4章分词第5章向量嵌入：计算机如何“理解”单词第6章循环神经网络和其他序列模型第7章Transformer第8章BERT方法论：博采众长创新篇12345第二部分纲举目张4.1一个极简的分词器4.2HuggingFace的分词器4.3搭建自己的分词器4.4总结第4章分词5.1理解文本与读取文本5.2词向量5.3词向量嵌入实践5.4非词条的嵌入5.5总结12345第5章向量嵌入：计算机如何“理解”单词6.1循环神经网络6.2长短期记忆网络6.3门控循环单元6.4总结第6章循环神经网络和其他序列模型7.1从头开始构建Transforme...7.2注意力机制7.3计算机视觉Transformer7.4总结第7章Transformer8.1ImageNet8.2通往NLP“ImageNet时刻...8.3预训练的词向量嵌入8.4序列模型8.5循环神经网络8.6注意力机制010302040506第8章BERT方法论：博采众长创新篇8.7Transformer架构8.9总结8.8NLP的“ImageNet时刻”第8章BERT方法论：博采众长创新篇第三部分经世致用第9章工欲善其事，必先利其器第10章可视化第11章产品化第12章归纳提升第三部分经世致用9.1深度学习框架9.2可视化与实验跟踪9.3AutoML9.4机器学习基础设施和计算第9章工欲善其事，必先利其器9.5边缘/终端侧推理9.6云推理和机器学习即服务9.7持续集成和持续交付9.8总结第9章工欲善其事，必先利其器10.2总结10.1我们的第一个Streamlit...第10章可视化11.1数据科学家、工程师和分析师11.2Databricks：你的统一...11.3Databricks的安装11.4机器学习作业第11章产品化11.5MLflow11.7总结11.6Databricks的替代品第11章产品化12.2最后的话12.1最后十课第12章归纳提升附录A大规模训练A.1多GPU训练A.3是