Transformers for Machine Learning

Transformere er ved at blive en central del af mange neurale netværksarkitekturer, der anvendes i en bred vifte af applikationer såsom NLP-talegenkendelse, tidsserier og computervision. Transformere har gennemgået mange tilpasninger og ændringer, hvilket har resulteret i nyere teknikker og metoder. Transformere til maskinlæring: Et dybdegående dyk er den første omfattende bog om transformere. Nøglefunktioner: En omfattende referencebog med detaljerede forklaringer af hver algoritme og teknikker relateret til transformere. 60+ transformerarkitekturer dækket på en omfattende måde. En bog til at forstå, hvordan man anvender transformerteknikkerne i tale, tekst, tidsserier og computervision. Praktiske tips og tricks til hver arkitektur og hvordan man bruger den i den virkelige verden. Praktiske casestudier og kodestykker til teori og praktisk analyse af den virkelige verden ved hjælp af værktøjer og biblioteker, der alle er klar til at køre i Google Colab. De teoretiske forklaringer af de avancerede transformerarkitekturer vil appellere til postgraduate studerende og forskere (akademiske og industrielle), da de vil give et enkelt indgangspunkt med dybe diskussioner om et hurtigt udviklende felt. De praktiske casestudier og kode vil appellere til bachelorstuderende, praktikere og professionelle, da det giver mulighed for hurtig eksperimentering og sænker barrieren for adgang til feltet. . Sprog: Engelsk