图灵汇官网

本书旨在为新手提供自然语言处理（NLP）和深度学习的相关知识，涵盖了这两个领域的关键主题。这两个领域都在迅速发展。本书在介绍深度学习的同时，重点强调了实践应用，填补了理论与实际操作之间的空白。在编写过程中，我们不得不做出一些艰难的选择，决定哪些内容需要舍弃。对于初学者而言，我们希望本书能为他们打下坚实的基础，并引导他们初步了解相关领域。尤其是，机器学习和深度学习更多地是一种实践经验，而非纯粹的理论科学。我们希望每章中详尽的代码示例能激发读者的实践兴趣。本书从PyTorch 0.2版本开始编写，随着PyTorch的更新，我们不断调整示例代码，使之适应PyTorch 0.4版本。本书中的代码示例兼容PyTorch 0.4，并且应能在即将发布的PyTorch 1.0版本中正常运行。

在本书的风格上，我们尽量避免过多使用复杂的数学公式。这并非因为深度学习的数学特别难懂，而是为了集中精力于主要目标——增强初学者的能力。在代码和文字表述方面，我们都力求简洁明了。虽然高级读者和经验丰富的程序员可能希望进一步简化代码，但我们的目标是尽可能清晰易懂，以便覆盖更广泛的读者群体。

以下是本书的一些资源链接：

• 在线阅读：[在线阅读链接]
• 代码地址：[代码地址链接]
• 加入ApacheCN机器学习交流群：[加入群聊链接]
• ApacheCN学习资源：[资源链接]

目录

• 第一章：基础介绍
• 第二章：传统NLP快速回顾
• 第三章：神经网络基础组件
• 第四章：自然语言处理Feed-Forward Networks
• 第五章：嵌入词和类型
• 第六章：自然语言处理序列建模
• 第七章：自然语言处理中的中间序列建模
• 第八章：高级序列模型
• 第九章：经典、前沿和后续步骤

推荐资源

深度学习必学

• 反向传播：[反向传播链接]
• CNN原理：[CNN原理链接]
• RNN原理：[RNN原理链接]
• LSTM原理：[LSTM原理链接]

自然语言处理

• Python自然语言处理第二版：[Python NLP链接]
• Liu Huanyong整理的自然语言处理知识体系：[知识体系链接]
• 开源词向量库集合：[词向量库链接]

本书内容由ApacheCN团队提供支持。