已选条件 :  
img
Deep Learning: An Introduction from the NLP Perspective

如题,从NLP的视角介绍Deep Learning。第一部分讲Neural Networks,第二部分介绍DBN,第三部分讲Stacked Auto-Encoders。英文,但是比较易懂。

img
Deep Learning for NLP at Oxford with Deep Mind 2017英文课件

Deep Learning for NLP at Oxford with Deep Mind 2017英文课件Deep Learning for NLP at Oxford with Deep Mind 2017英文课件Deep Learning for NLP at Oxford with Deep Mind 2017英文课件

img
standford Deep learning for NLP lecture1

斯坦福大学大神Richard Socher任教,师从DL大牛Andrew NG和NLP大牛Channing.

img
tandford Deep learning for NLP lecture3

斯坦福大学大神Richard Socher任教,师从DL大牛Andrew NG和NLP大牛Channing.

img
NLP汉语自然语言处理原理与实践_郑捷(著)_电子工业出版社_2017-01-01

本书是一本研究汉语自然语言处理方面的基础性、综合性书籍,涉及NLP的语言理论、算法和工程实践的方方面面,内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分,涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是,本书是迄今为止第一本系统介绍认知语言学和算法设计相结合的中文NLP书籍,并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。

img
15本Python机器学习深度学习PDF英文电子书(清晰无水印)

本压缩包内有以下PDF格式电子书: 1)Advanced Data Analytics Using Python_With Machine Learning, Deep Learning and NLP Examples 2)Practical MachineLearning with Python_A Problem-Solver's Guide to Building Real-World I

img
Advanced Data Analytics Using Python With Machine Learning, Deep 无水印原版pdf

Advanced Data Analytics Using Python With Machine Learning, Deep Learning and NLP Examples 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开

img
Learning TensorFlow A Guide to Building Deep Learning Systems 2017.8

Learning TensorFlow: A Guide to Building Deep Learning Systems By 作者: Tom Hope – Yehezkel S. Resheff – Itay Lieder ISBN-10 书号: 1491978511 ISBN-13 书号: 9781491978511 Edition 版本: 1 Release 出版日期: 2017

img
Python Natural Language Processing

Python Natural Language Processing by Jalaj Thanaki English | 31 July 2017 | ISBN: 1787121429 | ASIN: B072B8YWCJ | 486 Pages | AZW3 | 11.02 MB Key Features Implement Machine Learning and Deep Learni

img
Deep Learning实战之word2vec

Deep Learning已经很火了,本文作者算是后知后觉者,主要原因是作者的目前工作是广告点击率预测,而之前听说Deep Learning最大的突破还是在图像语音领域,而在NLP和在线广告点击预测方面的突破还不够大。但后来听说Google开源的word2vec还挺有意思,能够把词映射到K维向量空间,甚至词与词之间 的向量操作还能和语义相对应。如果换个思路,把词当做feature,那么word2v