《深入浅出Embedding：原理解析与应用实践》内容简介

这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。
在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。
吴茂贵，资深大数据和人工智能技术专家，在BI、数据挖掘与分析、数据仓库、机器学习等领域工作超过20年。在基于Spark、TensorFlow、PyTorch、Keras等的机器学习和深度学习方面有大量的工程实践实践，对Embedding有深入研究。著有《深度实践Spark机器学习》《Python深度学习：基于TensorFlow》《Python深度学习：基于Pytorch》等多部著作，广受读者好评。
王红星，不错数据科学家，任职于博世（中国）投资有限公司苏州分公司，负责BOSCH数据湖，数据分析与人工智能相关的产品与服务的设计和开发。在大数据、机器学习、人工智能方面有丰富的实践经验。

作品目录

前言
第一部分
Embedding基础知识
第1章：万物皆可嵌入
第2章：获取Embedding的方法
第3章：计算机视觉处理
第4章：文本及序列处理
第5章：注意力机制
第6章：从Word
Embedding到ELMo
第7章：从ELMo到BERT和GPT
第8章：BERT的优化方法
第9章：推荐系统
第二部分
Embedding应用实例
第10章：用Embedding表现分类特征
第11章：用Embedding提升机器学习性能
第12章：用Transformer实现英译中
第13章：Embedding技术在推荐系统中的应用
第14章：用BERT实现中文语句分类
第15章：用GPT-2生成文本
第16章：Embedding技术总结
附录A
基于GPU的TensorFlow
2+、PyTorch
1+升级安装
附录B
语言模型