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。

成为VIP会员查看完整内容
134

相关内容

迁移学习(Transfer Learning)是一种机器学习方法,是把一个领域(即源领域)的知识,迁移到另外一个领域(即目标领域),使得目标领域能够取得更好的学习效果。迁移学习(TL)是机器学习(ML)中的一个研究问题,着重于存储在解决一个问题时获得的知识并将其应用于另一个但相关的问题。例如,在学习识别汽车时获得的知识可以在尝试识别卡车时应用。尽管这两个领域之间的正式联系是有限的,但这一领域的研究与心理学文献关于学习转移的悠久历史有关。从实践的角度来看,为学习新任务而重用或转移先前学习的任务中的信息可能会显着提高强化学习代理的样本效率。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【Manning新书】自然语言处理实战:深度学习应用,337页pdf,
【Manning新书】TensorFlow机器学习,454页pdf
专知会员服务
103+阅读 · 2021年11月14日
《多任务学习》最新综述论文,20页pdf
专知会员服务
121+阅读 · 2021年4月6日
【干货书】Python机器学习,361页pdf
专知会员服务
259+阅读 · 2021年2月25日
自然语言处理现代方法,176页pdf
专知会员服务
263+阅读 · 2021年2月22日
【干货书】Pytorch自然语言处理,210页pdf
专知会员服务
158+阅读 · 2020年10月30日
【Manning新书】现代Java实战,592页pdf
专知会员服务
98+阅读 · 2020年5月22日
【迁移学习】简述迁移学习在深度学习中的应用
产业智能官
15+阅读 · 2018年1月9日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
Arxiv
56+阅读 · 2021年5月3日
Arxiv
17+阅读 · 2021年2月15日
Privacy-Preserving News Recommendation Model Learning
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
43+阅读 · 2019年12月20日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
22+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关VIP内容
【Manning新书】自然语言处理实战:深度学习应用,337页pdf,
【Manning新书】TensorFlow机器学习,454页pdf
专知会员服务
103+阅读 · 2021年11月14日
《多任务学习》最新综述论文,20页pdf
专知会员服务
121+阅读 · 2021年4月6日
【干货书】Python机器学习,361页pdf
专知会员服务
259+阅读 · 2021年2月25日
自然语言处理现代方法,176页pdf
专知会员服务
263+阅读 · 2021年2月22日
【干货书】Pytorch自然语言处理,210页pdf
专知会员服务
158+阅读 · 2020年10月30日
【Manning新书】现代Java实战,592页pdf
专知会员服务
98+阅读 · 2020年5月22日
相关论文
Arxiv
56+阅读 · 2021年5月3日
Arxiv
17+阅读 · 2021年2月15日
Privacy-Preserving News Recommendation Model Learning
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
43+阅读 · 2019年12月20日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
22+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
微信扫码咨询专知VIP会员