【Manning新书】迁移学习自然语言处理，266页pdf，Transfer Learning for NLP

通过调整预训练的机器学习模型来解决特殊问题，在时间内建立自定义NLP模型。

在自然语言处理迁移学习中，您将学习:

• 用新的领域数据对预训练的模型进行微调
• 选择正确的模型来减少资源的使用
• 用于神经网络结构的迁移学习
• 生成文本与生成预先训练的Transformers
• BERT跨语言迁移学习
• 探索自然语言处理学术文献的基础

https://www.manning.com/books/transfer-learning-for-natural-language-processing

从头开始训练深度学习NLP模型是昂贵的、耗时的，并且需要大量的数据。在自然语言处理的迁移学习中，DARPA研究员Paul Azunre揭示了前沿的迁移学习技术，可以将可定制的预训练模型应用到您自己的NLP架构中。您将学习如何使用迁移学习为语言理解提供最先进的结果，即使使用有限的标签数据。最重要的是，您将节省训练时间和计算成本。

关于本书：

自然语言处理迁移学习教你通过构建现有的预训练模型快速创建强大的NLP解决方案。这是一本非常有用的书，书中提供了一些非常清晰的概念解释，你需要这些概念来学习转学，同时也提供了一些实际的例子，这样你就可以马上练习你的新技能。随着您的学习，您将应用最先进的迁移学习方法来创建垃圾邮件分类器、事实检查器和更多的现实世界的应用程序。