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
- Baca selanjutnya: https://malaysian.9natree.com/read/1098136799/
#HuggingFaceTransformers #finetuningmodelpralatih #pemindahanpembelajaranrentasbahasa #pengecamanentitibernama #distilasidanpengkuantumanmodel #NaturalLanguageProcessingwithTransformersRevisedEdition
Natural Language Processing with Transformers, Revised Edition, oleh Lewis Tunstall, Leandro von Werra, dan Thomas Wolf, ialah buku teknikal berbentuk panduan praktikal tentang pembinaan aplikasi pemprosesan bahasa semula jadi, atau NLP, menggunakan pustaka Hugging Face Transformers. Diterbitkan oleh O’Reilly, edisi semakan ini membincangkan transformer, seni bina yang menjadi asas kepada banyak model bahasa moden sejak 2017. Tujuannya bukan sekadar menerangkan teori attention atau struktur model, tetapi menunjukkan cara memilih model sedia ada, melatihnya untuk tugasan tertentu, menilai hasilnya, dan menyediakan model untuk penggunaan sebenar. Liputannya merangkumi pengelasan teks, pengecaman entiti bernama, penjanaan teks, peringkasan, dan soal jawab. Buku ini juga meneliti isu yang sering menentukan sama ada projek boleh digunakan atau tidak, seperti kekurangan data berlabel, sokongan pelbagai bahasa, kos pengiraan, serta kecekapan semasa pelaksanaan. Ia sesuai dibaca sebagai jambatan antara asas transformer dan kerja kejuruteraan NLP yang nyata.