机器翻译：基础与模型 - 第1页

...端到端深度学习的机器翻译关键技术及原理进行了深入解析，力求做到简洁明了、全面透彻、图文结合。此外，本书着重介绍了近年来机器翻译领域的科研热点，旨在帮助读者全面了解机器翻译的前沿研究进展和关键技术。 《机器翻译：基础与模型...

...旨在推动机器翻译技术在教学与实践中的应用。全书由多位作者共同编撰，首先阐明了学习机器翻译的理论基础，接着介绍了机器学习的基本原理，并深入分析了神经网络机器翻译的相关内容。书中还讨论了机器翻译技术所引发的...

...当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面...

...图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习...

...章基础篇，讲述如何使用Scikitlearn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型...

...意义和现状过度到自然语言处理与深度学习技术。第二章是机器学习基础，包括线性代数、概率论、信息论、统计学习、隐马尔可夫模型和条件随机场模型。第三章介绍自然语言处理，帮助大家入门自然语言处理。第四章讲解深度学习，包含基础内容前向传播网络...

...和实现过程。作者注重实用性与可操作性，不仅讲解了常用模型的用法，还强调模型调优、训练技巧与部署建议，非常适合工程实践需求。本书分为两大部分：第一部分主要基于 Scikit-Learn，介绍机器学习的基础算法；

...第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和最简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其...

...书中主要内容包括预训练模型、文本分类、机器阅读理解、命名实体识别、文本生成、模型蒸馏与剪枝及损失函数等知识。 书中包含大量应用示例，不仅可以学会理论知识还可以灵活应用。书中示例基于Linux与PyTorch环境开发...

...现代科学的一个基础原则是，科学解释不能将意志或能动性赋予自然现象，我们不会说岩石掉落是因为要寻找地心，水蒸气上升是因为要靠近天空。自 17 世纪中期机械论作为现代科学的核心范式以来，整个世界被视为一台机器...