【二手正版】 自然语言处理NLP从入门到项目实战Python语言实现 艾浒 9787301324837 北京大学出版社
二手正版教材欢迎同学们选购
¥
28.5
3.2折
¥
89
九品
仅1件
作者艾浒
出版社北京大学出版社
ISBN9787301324837
出版时间2021-10
装帧平装
开本16开
定价89元
货号9787301324837
上书时间2024-12-25
商品详情
- 品相描述:九品
- 商品描述
-
作者简介
艾浒,北京大学计算机专业学士,北京百灵互联科技有限公司创始人兼CT0,芭莎宝贝(北京)文化传媒有限公司联合创始人兼CT0,北京生生万年科技CTO,优选抢先发售Al写作平台L8ai.com创始。
15年人工智能科技/互联网/媒体行业经验
快手/百度/京东/喜马拉雅/蚂蚁集团等知名“大厂”特约撰稿人,在知乎上获得4000万阅读量
发明:—种人工智能辅助写作系统。
软件著作权:百灵Al智能写作平台。
目录
篇 人工智能自然语言处理基础篇
章 人工智能原理
1.1 人工智能简史
1.1.1 意识研究历史及经典理论
1.1.2 意识研究的热点问题和经典答案
1.1.3 人工智能经典理论
1.1.4 人工智能的本质
1.2 神经网络原理
1.2.1 神经科学家
1.2.2 神经科学经典理论
1.2.3 学习和记忆的原理
1.2.4 神经网络模型
1.3 矩阵与思维
1.3.1 矩阵与树突
1.3.2 矩阵与联想
第2章 掌握自然语言处理技术
2.1 自然语言处理技术与人工智能
2.1.1 自然语言处理技术与人工智能的关系
2.1.2 NLP技术的定义与分类
2.2 NLP技术概述
2.2.1 NLP算法的三个发展阶段
2.2.2 基于规则的NLP算法
2.2.3 基于统计的NLP算法
2.2.4 基于深度学习的NLP算法
2.3 NLP商业技术
2.3.1 百度NLP技术
2.3.2 科大讯飞的NLP技术
2.3.3 腾讯的NLP技术
2.4 小结
第3章 掌握深度学习模型
3.1 深度学习与人工智能
3.1.1 机器学习定义
3.1.2 机器学习评估标准
3.2 深度学习模型的基础知识
3.2.1 NNLM模型
3.2.2 Word2vec模型
3.2.3 fastText模型
3.2.4 TextCNN模型
3.2.5 Seq2Seq模型
3.3 深度学习模型进阶知识
3.3.1 基于Encoder-Decoder框架的注意力机制
3.3.2 引入Attention机制的RNN模型
3.3.3 Attention进阶知识
3.3.4 Transformer模型
3.3.5 GPT模型
第二篇 自然语言处理系统实战篇
第4章 NLP开源技术实战
4.1 NLP开发工具简介与环境搭建
4.1.1 Python 2和Python 3
4.1.2 运行Python代码片段
4.1.3 在不同操作系统中搭建Python编程环境
4.1.4 在Linux系统中搭建Python编程环境
4.1.5 在Windows系统中搭建Python编程环境
4.1.6 安装Anaconda科学包
4.2 掌握Visual Studio Code源代码编辑器
4.2.1 VSCode 安装与启动
4.2.2 为VSCode配置Python解析器
4.2.3 使用VSCode运行Python代码
4.2.4 使用VSCode调试Python代码
4.3 开源社区GitHub的简介与环境搭建
4.3.1 GitHub Desktop安装方法
4.3.2 使用GitHub发布代码仓库
4.3.3 使VSCode与GitHub协作
4.4 jieba NLP技术实战
4.4.1 结巴(jieba)分词简介
4.4.2 在VSCode中安装jieba分词工具
4.4.3 在VSCode中调用jieba分词的主要功能
4.4.4 jieba分词代码详解
4.4.5 jieba自定义词典实战
4.4.6 jieba词性标注实战
4.5 jiagu NLP技术实战
4.5.1 甲骨(jiagu)分词简介
4.5.2 jiagu安装与入门实战
4.5.3 jiagu命名实体识别、文本摘要、知识图谱、情感分析、文本聚类实战
4.6 斯坦福大学开源NLP实战
4.6.1 Stanza简介与安装
4.6.2 通用依赖树库简介与下载
4.6.3 Stanza流水线自然语言处理实战
4.6.4 Stanza流水线与工序实战
4.6.5 详解Stanza中的对象
4.6.6 Stanza的依存句法分析实战
4.6.7 Graphviz&NetworkX依存句法图形化实战
4.7 百度开源中文词汇分析LAC 2.0实战
4.7.1 LAC 2.0简介
4.7.2 LAC 2.0安装与基础功能实战
4.8 小结
第5章 Python神经网络计算实战
5.1 TensorFlow
5.1.1 TensorFlow生态系统和社区资源
5.1.2 TensorFlow 2.x的版本与特性
5.2 CPU\GPU环境搭建
5.2.1 TensorFlow的CPU环境搭建
5.2.2 TensorFlow的GPU环境搭建
5.3 Keras手写识别实战
5.3.1 神经网络输入、输出实战
5.3.2 神经网络的结构定义
5.3.3 经典神经网络模型
5.3.4 神经网络评价函数
5.3.5 运行神经网络
5.4 其他神经网络工具包
5.4.1 PyTorch简介
5.4.2 使用PyTorch编写LSTM词性识别实战
5.5 小结
第6章 AI语音合成有声小说实战
6.1 Python互联网编程实战
6.1.1 Python的HTTP编程实战
6.1.2 Python的WebSocket编程实战
6.2 JSON数据结构原理与实战
6.2.1 JSON数据交换格式原理
6.2.2 Python语言的JSON编程实战
6.3 AI语音合成实战
6.3.1 科大讯飞NLP服务
6.3.2 AI语音合成有声小说实战
6.3.3 NLP商业API的HTTP调用实战
第7章 玩转词向量
7.1 词向量原理
7.1.1 词向量技术的发展
7.1.2 掌握开源词向量技术
7.1.3 词向量下载
7.2 词向量数据结构优化
7.2.1 掌握数据库技术
……
内容摘要
本书从人工智能和自然语言处理技术的基础原理讲起,逐步深入自然语言处理进阶实战,并配有实战代码讲解,重点介绍了使用开源技术、人工智能开放平台,以及使用国内外很好开发框架进行基于规则、统计、深度学习的自然语言处理程序开发,让读者全面掌握理论基础,并学以致用。本书分为12章,主要包括学习人工智能原理、自然语言处理技术、掌握深度学习模型、NLP开源技术实战、Python神经网络计算实战、AI语音合成有声小说实战、玩转词向量、近义词查询系统实战、机器翻译系统实战、文本情感分析系统实战、电话销售语义分析系统实战人工智能辅助写作系统(定制技术解密)。本书内容通俗易懂,案例丰富,实用性强,特别适合使用Python语言人工智能自然语言处理的入门和进阶的读者阅读,也适合产品经理、人工智能研究者等对人工智能自然语言处理感兴趣的读者阅读。另外,本书也适合作为相关培训机构的教材使用。
主编推荐
让机器会写作:优选AI写作平台创始人、北京大学高材生、知乎NLP大V、知名“大厂”特约作者, 通过小白都能懂的语言,解读晦涩难懂的前沿技术,带领机器从牙牙学语到行云流水。
— 没有更多了 —
以下为对购买帮助不大的评价