GPT 就是這麼來的 - 最新自然語言處理技術詳解
王志立、雷鵬斌、吳宇凡 編著
- 出版商: 深智
- 出版日期: 2023-12-20
- 定價: $720
- 售價: 7.9 折 $568
- 語言: 繁體中文
- 頁數: 272
- ISBN: 626738313X
- ISBN-13: 9786267383131
-
相關分類:
Natural Language Processing
- 此書翻譯自: 自然語言處理 — 原理、方法與應用
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
從 AI 到智慧醫療$480$408 -
$509大型網站架構實戰 -
$458BERT 基礎教程：Transformer 大模型實戰 -
Testing Web APIs：從設計到實作測試策略，交付高品質的 API$650$507 -
ChatGPT 指令大全與創新應用：GPT-4 搶先看、串接 API、客服機器人、AI英文家教，一鍵打造 AI智慧產品$680$530 -
精通 Transformer : 從零開始構建最先進的 NLP 模型$594$564 -
圖解 AI 人工智慧$480$379 -
從 AI 到 生成式 AI：40個零程式的實作體驗，培養新世代人工智慧素養$560$476 -
ChatGPT 開發手冊 - 用 OpenAI API ‧ LangChain ‧ Embeddings 設計 Plugin、LINE/Discord bot、股票分析與客服自動化助理$750$593 -
AI 醫療革命：GPT-4 與未來$480$408 -
Python 程式設計與 OpenAI API 應用：零基礎建構非同步 GUI 的 AI聊天機器人$600$468 -
$458自然語言處理與醫療文本的知識抽取 -
Hugging Face 模型及資料大公開 - 利用 BERT 建立全中文 NLP 應用$720$568 -
ChatGPT 4 Turbo 萬用手冊 2024 春季號：提示工程、超強外掛、My GPTs、OpenAI API、Midjourney、Copilot、Gemini、Claude 2$680$537 -
完全圖解人工智慧：零基礎也OK！從NLP、圖像辨識到生成模型，現代人必修的53堂AI課$480$379 -
ChatGPT 開發手冊 Turbo × Vision 進化版 — 用 OpenAI Chat/Assistants API‧Function calling 設計 GPTs action‧LINE/Discord bot‧股市分析/自動助理$820$647 -
$509基於 GPT-3、ChatGPT、GPT-4 等 Transformer 架構的自然語言處理 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$748 -
Power BI x Copilot x ChatGPT 商業報表設計入門：資料清理、資料模型、資料視覺化到報表共享建立全局觀念$630$535 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$774 -
$559大語言模型：基礎與前沿 -
極速 ChatGPT 開發者兵器指南：跨界整合 Prompt Flow、LangChain 與 Semantic Kernel 框架$680$530 -
新世代 AI 範式 - 多模態+大模型實作精解$800$632 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
讓 AI 好好說話！從頭打造 LLM (大型語言模型) 實戰秘笈$680$537
今日快閃 2書66折 詳見活動內容 »
-
66折
零花費上手！【 Gemini Notebook × Spark × Gemini 3.x 】萬用手冊$650$429 -
66折
【 GPT-6 × ChatGPT Work 】上工了！最強 AI 活用術$560$369 -
66折
玩爆你的龍蝦 — 最強 OpenClaw 安裝設定應用實機演練$880$580 -
66折
Google AI 創作術: 靈感 x 圖像 x 設計 x 音樂 x 影片的工作流$620$409 -
66折
ChatGPT 對話 x Work x Codex：從生成式 AI 到 AI Agent 工作術$680$448 -
79折
AI Harness 駕輕就熟：OpenCode 讓 Vibe Coding 更自由$820$647 -
79折
Gemini 投資理財全攻略：小資族看過來！完全零門檻的 AI 智慧選股 × 財報分析 × 資金管理$599$473 -
79折
零基礎學 Vibe Coding-Codex: 不懂程式，也能用 AI 從想法做到作品$780$616 -
79折
Deep Agents 實戰：用 LangChain 自建能連續工作的 AI Agent$1,280$1,011 -
79折
誰說資安寫不了情書 (好評熱銷版)$880$695 -
79折
AI 驅動開發 - 從 Prompt 到 Loop，建立可控、可驗、可恢復的工程系統$720$568 -
79折
AI 行銷實驗室：創意企劃、內容實作、數據洞察與會員經營$590$466 -
79折
Gemini Notebook 知識管理術 - 打造你的 AI 第二大腦$620$489 -
79折
ChatGPT AI Agent 工作術：87 個職場實作範例 | ChatGPT Work × Plugins × Skills$720$568 -
79折
AI Agent 工作革命 - 用 ChatGPT Work 打造企業競爭力$620$489 -
79折
StatQuest 圖解神經網路與深度學習$890$703 -
79折
《生成式AI × 穩健提示框架技術 III》語言模型與介面設計篇 | Hugging Face × Streamlit × Gradio$790$624 -
66折
【ChatGPT Work × GPT-5.6】ChatGPT 上工了！最強 AI 活用術$560$369 -
79折
生成式 AI 規劃與應用$650$513 -
79折
Harness 強大應用 - Codex App 超越 Coding Agent 實戰大全$980$774 -
79折
30天之後，你就是團隊內最會 n8n 的人 - 寫給小白的 AI 自動化英雄之旅$780$616 -
79折
StatQuest 圖解機器學習$790$624 -
79折
程式不會動就不能下班！給新手工程師的 Debug 攻略$550$434 -
79折
AI Agent 時代 - 全功能代理人原理框架及企業開發$880$695 -
79折
AI 搜尋策略優化與實務 - SEO 與 GEO 兼容工作流程$590$466
商品描述
- NLP專用Python開發環境架設
- 自然語言處理的發展歷程
- 無監督學習的原理與應用及實作
- Pretraing的完整實作
- 文字分類、機器閱讀理解、命名實體辨識
- ChatGPT的原理 - 文字生成
- 損失函式與模型瘦身
大型語言模型已經成為現代AI的範式，不管是ChatGPT或是llama、Falcon等，這個新興學科是人工智慧時代最熱門的話題，沒有一個有志於AI的人可以忽略這個趨勢。而大型語言模型的基礎，當然就是自然語言處理（Natural Language Processing，簡稱NLP）。自然語言處理主要工作包括了語言理解、語言生成、機器翻譯、語音識別等。目前見的應用非常多，包括了自動化客服、垃圾郵件檢測、社交媒體情感分析、醫療記錄分析、金融預測和新聞摘要等。
總結來說，自然語言處理是一個動態且充滿潛力的領域，它正在不斷改變我們與計算機和數字訊息互動的方式。隨著技術的不斷發展，我們可以期待在更多領域看到 NLP 的創新應用，同時也需要持續關注與其發展相關的倫理和社會問題。本書最重要目的就是將你帶入這個行業，如果你是程式設計師，網頁設計師，又或者是App的開發者，如果不想被人工智慧搶掉工作，加入是最好的選擇。
作者簡介
王志立
自然語言處理工程師，曾在國際與國內的學術會議上發表學術論文多篇，先後在騰訊等多家知名企業從事大數據與人工智慧演算法工作，運作與分享人工智慧相關知識，曾獲多項人工智慧比賽國家級獎項。
雷鵬斌
華為AI演算法工程師，主要從事chatops、知識圖譜的研究與實踐工作，對自然語言處理各項任務有深入的研究。2019－2021年在國內知名競賽的文本分類、命名實體辨識、機器閱讀理解、智慧問答，以及文本生成任務中摘獲大量榮譽。曾參與多項課題研究，在AAAI、《中文資訊學報》等高影響力期刊上發表多篇論文。
吳宇凡
騰訊演算法應用研究員，長期從事業務安全與金融量化相關演算法研究與實務工作，已在國際頂尖期刊發表多篇論文，申請專利數項。
目錄大綱
第1 章 導論
1.1 基於深度學習的自然語言處理
1.2 本書章節脈絡
1.3 自然語言處理演算法流程
1.4 小結
第2 章 Python 開發環境配置
2.1 Linux 伺服器
2.2 Python 虛擬環境
2.3 PyCharm 遠端連接伺服器
2.4 screen 任務管理
2.5 Docker 技術
2.6 小結
第3 章 自然語言處理的發展處理程序
3.1 人工規則與自然語言處理
3.2 機器學習與自熱語言處理
3.3 深度學習與自然語言處理
3.4 小結
第4 章 無監督學習的原理與應用
4.1 淺層無監督預訓練模型
4.2 深層無監督預訓練模型
4.3 其他預訓練模型
4.4 自然語言處理四大下游任務
4.5 小結
第5 章 無監督學習進階
5.1 生成式對抗網路
5.2 元學習
5.3 小結
第6 章 預訓練
6.1 賽題任務
6.2 環境架設
6.3 程式框架
6.4 資料分析實踐
6.5 小結
第7 章 文字分類
7.1 資料分析
7.2 環境架設
7.3 程式框架
7.4 文字分類實踐
7.5 小結
第8 章 機器閱讀理解
8.1 機器閱讀理解的定義
8.2 評測方法
8.3 研究方法
8.4 經典結構
8.5 多文件機器閱讀理解實踐
8.6 小結
第9 章 命名實體辨識
9.1 NER 技術的發展現狀
9.2 命名實體辨識的定義
9.3 命名實體辨識模型
9.4 命名實體辨識實驗
9.5 小結
第10 章 文字生成
10.1 文字生成的發展現狀
10.2 基於預訓練模型的文字生成模型
10.3 文字生成任務實踐
10.4 小結
第11 章 損失函式與模型瘦身
11.1 損失函式
11.2 常用的損失函式
11.3 損失函式的進階
11.4 模型瘦身
11.5 小結
