鏈接：https://pan.baidu.com/s/1EwISjMohrmoq3VmyVFnSfQ?pwd=hrun?

提取碼：hrun

編輯推薦

豆瓣評分9.4的暢銷書《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》續(xù)作，帶你快速直達(dá)自然語言處理領(lǐng)域！

1.簡明易懂
本書內(nèi)容精煉，聚焦深度學(xué)習(xí)視角下的自然語言處理，延續(xù)前作的行文風(fēng)格，采用通俗的語言和大量直觀的示意圖詳細(xì)講解，幫助讀者加深對深度學(xué)習(xí)技術(shù)的理解，輕松入門自然語言處理。
2.側(cè)重原理
不依賴外部庫，使用Python 3從零開始創(chuàng)建深度學(xué)習(xí)程序，通過親自創(chuàng)建程序并運(yùn)行，讀者可透徹掌握word2vec、RNN、LSTM、GRU、seq2seq和Attention等技術(shù)背后的運(yùn)行原理。
3.學(xué)習(xí)曲線平緩
按照“文字介紹→代碼實(shí)現(xiàn)→分析結(jié)果→發(fā)現(xiàn)問題→進(jìn)行改善”的流程，逐步深入，讀者只需具備基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)和Python知識，即可輕松讀懂。
4.提供源代碼
5.雙色印刷

內(nèi)容簡介

《深度學(xué)習(xí)進(jìn)階：自然語言處理》是《深度學(xué)習(xí)入門：基于Python 的理論與實(shí)現(xiàn)》的續(xù)作，圍繞自然語言處理和時序數(shù)據(jù)處理，介紹深度學(xué)習(xí)中的重要技術(shù)，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本書語言平實(shí)，結(jié)合大量示意圖和Python代碼，按照“提出問題”“思考解決問題的新方法”“加以改善”的流程，基于深度學(xué)習(xí)解決自然語言處理相關(guān)的各種問題，使讀者在此過程中更深入地理解深度學(xué)習(xí)中的重要技術(shù)。

作者簡介

齋藤康毅（作者）
1984年生于日本長崎縣，東京工業(yè)大學(xué)畢業(yè)，并完成東京大學(xué)研究生院課程。目前在某企業(yè)從事人工智能相關(guān)的研究和開發(fā)工作。著有《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》，同時也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版譯者。

陸宇杰（譯者）
長期從事自然語言處理、知識圖譜、深度學(xué)習(xí)相關(guān)的研究和開發(fā)工作。譯有《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》。

目錄

譯者序 xi
前言　xiii
第　1 章 神經(jīng)網(wǎng)絡(luò)的復(fù)習(xí)　1
1．1　數(shù)學(xué)和Python的復(fù)習(xí)　1
1．1．1　向量和矩陣　1
1．1．2　矩陣的對應(yīng)元素的運(yùn)算　4
1．1．3　廣播　4
1．1．4　向量內(nèi)積和矩陣乘積　6
1．1．5　矩陣的形狀檢查　7
1．2　神經(jīng)網(wǎng)絡(luò)的推理　8
1．2．1　神經(jīng)網(wǎng)絡(luò)的推理的全貌圖　8
1．2．2　層的類化及正向傳播的實(shí)現(xiàn)　14
1．3　神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)　18