Transformers for Machine Learning

Transformatorer håller på att bli en central del av många neurala nätverksarkitekturer som används i en mängd olika tillämpningar, såsom NLP-taligenkänningstidsserier och datorseende. Transformatorer har genomgått många anpassningar och förändringar som resulterat i nyare tekniker och metoder. Transformers for Machine Learning: A Deep Dive är den första omfattande boken om transformatorer. Viktiga funktioner: En omfattande referensbok med detaljerade förklaringar för varje algoritm och teknik relaterade till transformatorerna. Över 60 transformatorarkitekturer täcks på ett omfattande sätt. En bok för att förstå hur man tillämpar transformatorteknikerna i tal-, text- och datorseendetidsserier. Praktiska tips och tricks för varje arkitektur och hur man använder den i den verkliga världen. Praktiska fallstudier och kodavsnitt för teori och praktisk verklighetsanalys med hjälp av verktyg och bibliotek som är redo att köras i Google Colab. De teoretiska förklaringarna av de toppmoderna transformatorarkitekturerna kommer att tilltala doktorander och forskare (akademiska och industriella) eftersom de kommer att ge en enda ingångspunkt med djupgående diskussioner om ett snabbt föränderligt område. De praktiska fallstudierna och koden kommer att tilltala studenter, både yrkesverksamma och yrkesverksamma på grundnivå eftersom det möjliggör snabba experiment och sänker barriären för inträde inom området. . Språk: Engelska