‍‍

Embedding（嵌入）是当下人工智能领域的热点，并发挥着越来越重要的作用。本书从Embedding基础概念和方法讲起，逐渐深入其原理，并以应用实例作为辅助，是快速了解并掌握Embedding的参考指南。

本书内容

全书一共16章，分为两个部分：

第一部分为Embedding基础知识（第1～9章），主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。

第1章：万物皆可嵌入，介绍了各种各样的embedding技术。

第2章：讲解如何获取Embedding，介绍了Pytorch和Tensorflow框架中的emdding layer使用，以及如何从预训练模型中获取embedding；

第3、4章分别介绍视觉处理、文本处理方面的基础知识；包括视觉中的卷积神经网络与预训练模型，文本处理中的训练神经网络，编解码模型与序列模型。

第5章为本书重点，介绍了多种注意力机制，包括给Encoder-Decoder模型添加注意力机制，Transfromer模型详解与实现，Transfromer-XL模型详解与实现；

第6～8章介绍了ELMo、BERT、GPT、XLNet等多种预训练模型；

第9章介绍了推荐排序系统中的深度学习技术，包括卷积神经网络，transformer的使用。

第2部分（第10 ~16章）Embedding应用实例

通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

第10章介绍如何使用Embedding处理机器学习中的分类特征；

第11章介绍如何使用Embedding提升机器学习性能；

第12章介绍如何使用Transformer实现将英文翻译成中文；

第13章介绍Embedding在推荐系统中的前沿应用；

第14章介绍如何使用BERT实现中文语句分类问题；

第15章介绍如何使用GPT-2实现文本生成；

第16章是对Embedding技术的总结。

本书主要作者：

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。

本书特色：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。

赠书

接下来是福利时间，本次我们赠送出3本书籍，想要获得书籍的同学，在本公众号下方留言，根据点赞数的高低，本周日上午（8.7）10:00统计出获奖读者，届时联系有三微信Longlongtogo即可。

如果没有获得赠书，也可以在京东和当当购买，链接如下：

往期相关

• 【CV春季划】2021年有三AI-CV春季划出炉，最后一届言有三手把手从零带学

• 【CV夏季划】告别入门，提升眼界，从掌握最有价值的那些CV方向开始

• 【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好？

• 【CV秋季划】模型优化很重要，如何循序渐进地学习好？

• 【CV秋季划】人脸算法那么多，如何循序渐进地学习好？

• 【CV秋季划】图像质量提升与编辑有哪些研究和应用，如何循序渐进地学习好？