《TensorFlow+Keras自然语言处理实战》内容简介

神经网络是深度学习的核心内容，TensorFlow是现在最为流行的深度学习框架之一。本书使用TensorFlow 2.1作为自然语言处理实现的基本工具，引导深度学习的入门读者，从搭建环境开始，逐步深入到理论、代码、应用实践中去。本书分为10章，内容包括搭建环境、TensorFlow基本和高级API的使用、MNIST手写体分辨实战、Dataset API、ResNet模型、词嵌入（word embedding）模型的实现，最后给出3个实战案例：文本分类、基于编码器的拼音汉字转化模型，以及基于编码器、解码器的拼音汉字翻译模型。本书内容详尽、示例丰富，是机器学习和深度学习读者必备的参考书，非常适合开设人工智能相关专业的大中专院校师生阅读，也可作为高等院校计算机及相关专业教材使用。
王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》等图书。

作品目录

内容简介
前言
第1章：自然语言之道
1.1、何谓自然语言处理
1.2、自然语言处理为什么难——以最简单的情感分析为例
1.3、自然语言处理的展望
1.4、搭建环境1：安装Python
1.5、搭建环境2：安装TensorFlow
2.1、1.6、实战——酒店评论的情感分类
1.7、本章小结
第2章：Hello
TensorFlow
&
Keras
2.1、TensorFlow
&
Keras
2.2、全连接层详解
2.3、懒人的福音——Keras模型库
2.4、本章小结
第3章：深度学习的理论基础
3.1、BP神经网络简介
3.2、BP神经网络两个基础算法详解
3.3、反馈神经网络反向传播算法介绍
3.4、本章小结
第4章：卷积层与MNIST实战
4.1、卷积运算基本概念
4.2、编程实战：MNIST手写体识别
4.3、本章小结
第5章：TensorFlow
Datasets和TensorBoard详解
5.1、TensorFlow
Datasets简介
5.2、Datasets数据集的使用——FashionMNIST
5.3、使用Keras对FashionMNIST数据集进行处理
5.4、使用TensorBoard可视化训练过程
5.5、本章小结
第6章：从冠军开始：ResNet
6.1、ResNet基础原理与程序设计基础
6.2、ResNet实战：CIFAR100数据集分类
6.3、ResNet的兄弟——ResNeXt
6.4、本章小结
第7章：有趣的word
embedding
7.1、文本数据处理
7.2、更多的word
embedding方法——fastText和预训练词向量
7.3、针对文本的卷积神经网络模型简介——字符卷积
7.4、针对文本的卷积神经网络模型简介——词卷积
7.5、使用卷积对文本分类的补充内容
7.6、本章小结
第8章：实战——站在冠军肩膀上的情感分类实战
8.1、GRU与情感分类
8.2、站在巨人肩膀上的情感分类
8.3、本章小结
第9章：从0起步——自然语言处理的编码器
9.1、编码器的核心——注意力模型
9.2、编码器的实现
9.3、实战编码器——汉字拼音转化模型
9.4、本章小结
第10章从1起步——自然语言处理的解码器
10.1、解码器的核心——注意力模型
10.2、解码器实战——拼音汉字翻译模型
10.3、本章小结