深入浅出Embedding原理解析与应用实践

最新推荐文章于 2024-10-25 03:50:18 发布

人工智能与算法学习

最新推荐文章于 2024-10-25 03:50:18 发布

阅读量1.7k

点赞数

文章标签：人工智能大数据编程语言 python 机器学习

本文链接：https://blog.csdn.net/weixin_40920183/article/details/117857861

版权

本书由资深AI专家和数据科学家合著，全面讲解Embedding理论和实践，涵盖Word Embedding、Item Embedding、Graph Embedding、Contextual Word Embedding，以及在机器学习、推荐系统、NLP中的应用。书中通过实例详细阐述如何利用Embedding提升性能，适用于Python、TensorFlow和PyTorch的深度学习实践。

摘要由CSDN通过智能技术生成

吴茂贵,王红星著

吴茂贵
资深大数据和人工智能技术专家，在BI、数据挖掘与分析、数据仓库、机器学习等领域工作超过20年。在基于Spark、TensorFlow、PyTorch、Keras等的机器学习和深度学习方面有大量的工程实践实践，对Embedding有深入研究。
著有《深度实践Spark机器学习》《Python深度学习：基于TensorFlow》《Python深度学习：基于Pytorch》等多部著作，广受读者好评。

王红星
高级数据科学家，任职于博世（中国）投资有限公司苏州分公司，负责BOSCH数据湖，数据分析与人工智能相关的产品与服务的设计和开发。在大数据、机器学习、人工智能方面有丰富的实践经验。

内容简介

这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。

在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。

全书一共16章，分为两个部分：
第1部分（第1~9章）Embedding理论知识
主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。