دانلود کتاب Transfer Learning for Natural Language Processing – آموزش انتقالی برای پردازش زبان طبیعی

توضیحات

Build custom NLP models in record time by adapting pre-trained machine learning models to solve specialized problems.

Summary

In Transfer Learning for Natural Language Processing you will learn:

Fine tuning pretrained models with new domain data

Picking the right model to reduce resource usage

Transfer learning for neural network architectures

Generating text with generative pretrained transformers

Cross-lingual transfer learning with BERT

Foundations for exploring NLP academic literature

Training deep learning NLP models from scratch is costly, time-consuming, and requires massive amounts of data. In Transfer Learning for Natural Language Processing, DARPA researcher Paul Azunre reveals cutting-edge transfer learning techniques that apply customizable pretrained models to your own NLP architectures. Youll learn how to use transfer learning to deliver state-of-the-art results for language comprehension, even when working with limited label data. Best of all, youll save on training time and computational costs.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology

Build custom NLP models in record time, even with limited datasets! Transfer learning is a machine learning technique for adapting pretrained machine learning models to solve specialized problems. This powerful approach has revolutionized natural language processing, driving improvements in machine translation, business analytics, and natural language generation.

About the book

Transfer Learning for Natural Language Processing teaches you to create powerful NLP solutions quickly by building on existing pretrained models. This instantly useful book provides crystal-clear explanations of the concepts you need to grok transfer learning along with hands-on examples so you can practice your new skills immediately. As you go, youll apply state-of-the-art transfer learning methods to create a spam email classifier, a fact checker, and more real-world applications.

What’s inside

Fine tuning pretrained models with new domain data

Picking the right model to reduce resource use

Transfer learning for neural network architectures

Generating text with pretrained transformers

About the reader

For machine learning engineers and data scientists with some experience in NLP.

About the author

Paul Azunre holds a PhD in Computer Science from MIT and has served as a Principal Investigator on several DARPA research programs.

Table of Contents

PART 1 INTRODUCTION AND OVERVIEW

1 What is transfer learning?

2 Getting started with baselines: Data preprocessing

3 Getting started with baselines: Benchmarking and optimization

PART 2 SHALLOW TRANSFER LEARNING AND DEEP TRANSFER LEARNING WITH RECURRENT NEURAL NETWORKS (RNNS)

4 Shallow transfer learning for NLP

5 Preprocessing data for recurrent neural network deep transfer learning experiments

6 Deep transfer learning for NLP with recurrent neural networks

PART 3 DEEP TRANSFER LEARNING WITH TRANSFORMERS AND ADAPTATION STRATEGIES

7 Deep transfer learning for NLP with the transformer and GPT

8 Deep transfer learning for NLP with BERT and multilingual BERT

9 ULMFiT and knowledge distillation adaptation strategies

10 ALBERT, adapters, and multitask adaptation strategies

11 Conclusions

————————————————————–

ترجمه ماشینی :

مدل‌های NLP سفارشی را در زمان بی‌سابقه با تطبیق مدل‌های یادگیری ماشینی از قبل آموزش دیده برای حل مشکلات تخصصی بسازید. خلاصه در آموزش انتقال برای پردازش زبان طبیعی یاد خواهید گرفت: تنظیم دقیق مدل‌های از پیش آموزش‌دیده با داده‌های دامنه جدید انتخاب مدل مناسب برای کاهش مصرف منابع یادگیری انتقال برای معماری‌های شبکه عصبی تولید متن با ترانسفورماتورهای از پیش آموزش‌دیده مولد یادگیری انتقال بین زبانی با BERT مبانی برای کاوش ادبیات آکادمیک NLP آموزش یادگیری عمیق مدل‌های NLP از ابتدا پرهزینه، زمان‌بر است و به حجم عظیمی از داده نیاز دارد. در Transfer Learning برای پردازش زبان طبیعی، محقق دارپا، Paul Azunre، تکنیک‌های یادگیری انتقال پیشرفته را نشان می‌دهد که مدل‌های از پیش آموزش‌دیده قابل تنظیم را در معماری‌های NLP خود اعمال می‌کنند. شما یاد خواهید گرفت که چگونه از یادگیری انتقالی برای ارائه نتایج پیشرفته برای درک زبان استفاده کنید، حتی زمانی که با داده های برچسب محدود کار می کنید. بهتر از همه، در زمان آموزش و هزینه های محاسباتی صرفه جویی می کنید. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. درباره فناوری ساخت مدل های سفارشی NLP در زمان رکورد، حتی با مجموعه داده های محدود! یادگیری انتقالی یک تکنیک یادگیری ماشینی برای تطبیق مدل های یادگیری ماشینی از پیش آموزش دیده برای حل مشکلات تخصصی است. این رویکرد قدرتمند انقلابی در پردازش زبان طبیعی ایجاد کرده است، باعث پیشرفت در ترجمه ماشینی، تجزیه و تحلیل تجاری و تولید زبان طبیعی شده است. درباره کتاب Transfer Learning for Natural Language Processing به شما می آموزد که راه حل های قدرتمند NLP را با ایجاد مدل های از پیش آموزش دیده به سرعت ایجاد کنید. این کتاب بی‌درنگ، توضیحات شفافی درباره مفاهیمی که برای انتقال یادگیری نیاز دارید همراه با مثال‌های عملی ارائه می‌دهد تا بتوانید مهارت‌های جدید خود را بلافاصله تمرین کنید. همانطور که می روید، روش های یادگیری انتقال پیشرفته را برای ایجاد یک طبقه بندی کننده ایمیل هرزنامه، یک بررسی کننده واقعیت، و برنامه های کاربردی بیشتری در دنیای واقعی اعمال خواهید کرد. آنچه در داخل است تنظیم دقیق مدل های از پیش آموزش دیده با داده های دامنه جدید انتخاب مدل مناسب برای کاهش استفاده از منابع یادگیری انتقال برای معماری شبکه های عصبی تولید متن با ترانسفورماتورهای از پیش آموزش دیده درباره خواننده برای مهندسان یادگیری ماشین و دانشمندان داده با کمی تجربه در NLP درباره نویسنده Paul Azunre دارای مدرک دکترای علوم کامپیوتر از MIT است و به عنوان محقق اصلی در چندین برنامه تحقیقاتی دارپا خدمت کرده است. فهرست مطالب قسمت 1 مقدمه و نمای کلی 1 یادگیری انتقالی چیست؟ 2 شروع به کار با خطوط مبنا: پیش پردازش داده ها 3 شروع به کار با خطوط پایه: محک زدن و بهینه سازی قسمت 2 آموزش انتقال کم عمق و آموزش انتقال عمیق با شبکه های عصبی مکرر (RNNS) 4 آموزش انتقال مجدد داده های کم عمق برای NLP آزمایش‌های یادگیری انتقال عمیق شبکه 6 یادگیری انتقال عمیق برای NLP با شبکه‌های عصبی مکرر بخش 3 آموزش انتقال عمیق با ترانسفورماتورها و استراتژی‌های انطباق 7 یادگیری انتقال عمیق برای NLP با ترانسفورماتور و GPT 8 یادگیری انتقال عمیق برای NLP با BERT و چندگانه BERT 9 ULMFiT و استراتژی‌های انطباق تقطیر دانش 10 ALBERT، آ

tag : دانلود کتاب آموزش انتقالی برای پردازش زبان طبیعی , Download آموزش انتقالی برای پردازش زبان طبیعی , دانلود آموزش انتقالی برای پردازش زبان طبیعی , Download Transfer Learning for Natural Language Processing Book , آموزش انتقالی برای پردازش زبان طبیعی دانلود , buy آموزش انتقالی برای پردازش زبان طبیعی , خرید کتاب آموزش انتقالی برای پردازش زبان طبیعی , دانلود کتاب Transfer Learning for Natural Language Processing , کتاب Transfer Learning for Natural Language Processing , دانلود Transfer Learning for Natural Language Processing , خرید Transfer Learning for Natural Language Processing , خرید کتاب Transfer Learning for Natural Language Processing ,