自然语言处理的迁移学习，视频版

Transfer Learning for Natural Language Processing, Video Edition

视频描述

在 Video Editions 中，叙述者阅读书籍，同时内容、图形、代码清单、图表和文本显示在屏幕上。就像有声读物一样，您也可以作为视频观看。

通过调整预先训练的机器学习模型来解决专业问题，在创纪录的时间内构建自定义 NLP 模型。

在自然语言处理的迁移学习中，您将学习：

• 使用新的域数据微调预训练模型
• 选择正确的模型以减少资源使用
• 神经网络架构的迁移学习
• 使用生成式预训练转换器生成文本
• 使用 BERT 进行跨语言迁移学习
• 探索 NLP 学术文献的基础

从头开始训练深度学习 NLP 模型成本高昂、耗时，并且需要大量数据。在《自然语言处理的迁移学习》中，DARPA 研究员 Paul Azunre 揭示了尖端的迁移学习技术，该技术将可自定义的预训练模型应用于您自己的 NLP 架构。您将学习如何使用迁移学习来提供最先进的语言理解结果，即使在处理有限的标签数据时也是如此。最重要的是，您将节省训练时间和计算成本。

关于技术
在创纪录的时间内构建自定义 NLP 模型，即使数据集有限！迁移学习是一种机器学习技术，用于调整预先训练的机器学习模型来解决专业问题。这种强大的方法彻底改变了自然语言处理，推动了机器翻译、业务分析和自然语言生成的改进。

关于本书
用于自然语言处理的迁移学习教您通过构建现有的预训练模型来快速创建强大的 NLP 解决方案。这本立即有用的书清晰地解释了您掌握迁移学习所需的概念以及动手实践示例，以便您可以立即练习您的新技能。在此过程中，您将应用最先进的迁移学习方法来创建垃圾邮件分类器、事实核查程序和更多实际应用程序。

里面有什么

• 使用新的域数据微调预训练模型
• 选择正确的模型以减少资源使用
• 神经网络架构的迁移学习
• 使用预训练的 transformer 生成文本

关于 Reader
适用于具有一定 NLP 经验的机器学习工程师和数据科学家。

关于作者
Paul Azunre 拥有麻省理工学院计算机科学博士学位，并曾担任多个 DARPA 研究项目的首席研究员。