Show Notes
- Amazon USA Store: https://www.amazon.com/dp/1098136799?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Natural-Language-Processing-with-Transformers%2C-Revised-Edition-Lewis-Tunstall.html
- Apple Books: https://books.apple.com/us/audiobook/natural-language-processing-with-transformers-revised/id1823000793?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Natural+Language+Processing+with+Transformers+Revised+Edition+Lewis+Tunstall+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Shopee: https://asia.buys.trade/shopee_Natural-Language-Processing-with-Transformers%2C-Revised-Edition-Lewis-Tunstall.html
- Lazada: https://asia.buys.trade/lazada_Natural-Language-Processing-with-Transformers%2C-Revised-Edition-Lewis-Tunstall.html
- Tiktok: https://asia.buys.trade/tiktok_Natural-Language-Processing-with-Transformers%2C-Revised-Edition-Lewis-Tunstall.html
- อ่านเพิ่มเติม: https://thai.9natree.com/read/1098136799/
#การฝึกปรับโมเดลที่ฝึกไว้ล่วงหน้า #HuggingFaceTransformers #การรู้จำหน่วยข้อมูลหลายภาษา #การกลั่นความรู้และควอนไทซ์ #การฝึกทรานส์ฟอร์เมอร์แบบกระจาย #NaturalLanguageProcessingwithTransformersRevisedEdition
Natural Language Processing with Transformers, Revised Edition เป็นหนังสือเชิงปฏิบัติการด้านการประมวลผลภาษาธรรมชาติ, หรือ NLP, โดย Lewis Tunstall, Leandro von Werra และ Thomas Wolf จากทีมที่เกี่ยวข้องกับโครงการ Hugging Face Transformers หนังสืออธิบายว่าเหตุใดสถาปัตยกรรมทรานส์ฟอร์เมอร์จึงกลายเป็นรากฐานสำคัญของ NLP สมัยใหม่, แล้วพาผู้อ่านนำโมเดลที่ผ่านการฝึกมาก่อนมาใช้กับงานจริงผ่านไลบรารี Hugging Face เนื้อหาอยู่กึ่งกลางระหว่างคู่มือเขียนโค้ดกับการอธิบายหลักการ, จึงไม่ได้มุ่งเสนอทฤษฎีคณิตศาสตร์แบบตำราเชิงลึกเพียงอย่างเดียว เป้าหมายคือทำให้ผู้อ่านเข้าใจลำดับงานตั้งแต่การเลือกโมเดลและข้อมูล, การฝึกปรับ, การวัดผล, ไปจนถึงการทำให้โมเดลพร้อมใช้งานในสภาพแวดล้อมจริง ฉบับปรับปรุงครอบคลุมงานหลัก เช่น การจัดประเภทข้อความ, การรู้จำหน่วยข้อมูล, การสร้างข้อความ, การสรุปความ และการตอบคำถาม พร้อมประเด็นสำคัญเรื่องข้อมูลติดป้ายกำกับที่มีจำกัด, การฝึกโมเดลจากศูนย์ และการเพิ่มประสิทธิภาพเพื่อการนำไปใช้งานจริง.