Language Processing Problems

This textbook gives a fresh approach to an introductory course in signal processing. Its unique feature is to alternate chapters on continuous-time (analog) and discrete-time (digital) signal processi

* Written for those without technical knowledge, so will particularly suit students coming to the discipline from an arts or humanities background. * Contains extensive diagrams, exercises, chapter su

●Practical applications include examples, over 500 homework problems, and computer problems.●Describes techniques to convert analog signals, the analysis of linear time-invariant discrete-time systems and signals in the time domain, and bilateral and unilateral z-transform methods.●Analyzes signals and systems in the frequency domain, the Fourier series and transform in continuous- and discrete-time signals, and the sampling and reconstruction of continuous-time signals.●Examines realizations of IIR and FIR systems and techniques to design digital filters.●Looks at sampling-rate conversion and applications to multirate digital signal processing.●Discusses linear prediction, optimum linear filters and single-channel adaptive filers based on the LMS and RLS algorithms.

This textbook contains a consideration of the wide field of problems connected with statistical methods of processing of observed data, with the main examples and considered models related to geophysi

探索生成式人工智慧的無限可能！ 「如果你是開發者，想要掌握過去十年來最大規模的AI革命背後的工具及概念，本書是必備的指南。」 ―Lewis Tunstall，Hugging Face機器學習工程師及《Hugging Face and coauthor of Natural Language Processing with Transformers》一書共同作者 「本書包含學習生成式AI的一切資源，包括全面的解說、深思熟慮的技巧，與DIY練習，可謂應有盡有。」 ―Luba Elliott，AI藝術策展人，elluba.com 深入的理論解析與實用的程式碼範例，帶您掌握生成文本、圖像和音訊的最新技術。無論您是數據科學家還是軟體工程師，本書都將助您輕鬆上手，創造出令人驚豔的AI生成作品。立即開啟您的生成式AI之旅，讓創意與技術完美融合！ 本書將教導資料科學家和軟體工程師，如何使用生成式媒體技術和人工智慧來創造新穎的圖像或音樂。書中介紹了理論概念，並提供豐富的程式碼範例和插圖，讓讀者能夠在Google Colaboratory、Kaggle或Hugging Face Spaces等服務上執行這些範例，並學習使用開源庫。 本書還探討了從頭開始訓練和使用大型預訓練模型之間的權衡，如何建立能夠修改圖像風格的模型，以及調整變形模型以達到創意目的。內容涵蓋了文本、圖像和音頻等多種數據類型的生成模型，並詳細講解了Transformer和擴散模型等先進技術的構建和訓練方法。最後介紹了如何訓練一個能夠根據個人風格撰寫文字的模型，以及如何部署模型作為互動展示或服務。 -------------------------------------------------- 透過這本實作指南，學習運用生成式AI技術來建立奇妙的文本、圖像、音訊，甚至音樂。你將瞭解最先進的生成模型如何運作、如何微調與調整它們來滿足需求，以及如何結合現成的基礎模組來建立新模型，並在不同領域中開發創新的應用程式。 這本首選指南透過豐富的範例程式與容易瞭解的插圖來介紹理論概念，並帶你實際應用它們。 你將學習如何透過開源的程式庫來應用transformers和擴散模型，並探索程式、研究幾個既有的專案，藉以完成你的專案。 • 建立並自訂文本與圖像生成模型 • 瞭解「使用預訓的模型」與「微調自有的模型」之間的取捨 • 做出能夠以任

▍GPT、Transformer、attention / self-attention 機制、seq2seq 架構...，大型語言模型 (LLM) 背後的建模技術「硬派」揭密！▍AI 界扛霸子 NVIDIA 的指定教材！近年來，在 NVIDIA (輝達) GPU、CUDA 技術的推波助瀾下，大型語言模型 (LLM) 的發展有著爆炸性的成長，例如最為人知的 ChatGPT 正是運用深度學習 (Deep Learning) 技術打造而成的熱門 LLM 應用。□【★徹底看懂 LLM 核心建模技術 - GPT、Transformer 的模型架構】自從 ChatGPT 爆紅之後，LLM 建模技術一直是熱門的研究話題，ChatGPT 的背後核心是 GPT 模型，而 GPT 裡面最重要的技術就是最後那個「T」- 也就是大名鼎鼎、使用了 attention (注意力) 機制的 Transformer 模型，這當中所用的建模技術可說是一環扣一環，也容易讓初學者學起來暈得不得了，只要一個關鍵地方沒搞懂，後面就全花了...為此，本書經過精心設計，是帶你看懂 GPT、Transformer、attention...這些 LLM 關鍵技術的最佳救星！本書設計了「環環相扣」的 NLP 章節內容，循序漸進介紹 LLM 的基礎建模技術：🔹看懂循環神經網路 (RNN、LSTM) 的缺點就知道為什麼需要 attention 機制以及 seq2seq 架構🔹看懂 attention 機制就能看懂 Transformer 的 self-attention 神經層🔹看懂 seq2seq 架構就能看懂 Transformer 的 encoder-decoder 架構🔹看懂 Transformer 就能看懂 GPT你可以深刻感受到次一章的模型架構幾乎都是為了解決前一章模型的不足之處而誕生的，經此一輪學習下來，保證讓你對 GPT、Transformer、attention / self-attention 等技術清清楚楚！這絕對是其他書看不到的精彩內容！【★學 LLM 基礎，跟 AI 重要推手 - NVIDIA 學最到位！】NVIDIA 除了在硬體上為 AI 帶來助益外，為了幫助眾多初學者快速上手 LLM 用到的深度學習基礎，任職於 NVIDIA 的本書作者 Magnus Ekman 凝聚了他多年來在 N

2023年以來， OpenAI相繼釋出了聊天機器人模型ChatGPT、 新一代多模態大模型GPT-4等產品， 以強大的能力俘獲了大量使用者， 顛覆了使用者對於AI的認知。 ▶什麼是ChatGPT？ ChatGPT是一個由OpenAI開發的聊天機器人模型，其透過NLP（Natural Language Processing，自然語言處理）技術實現與使用者智慧對話，開啟了全新AI（Artificial Intelligence，人工智慧）時代。ChatGPT的智慧程度引起了業界的廣泛關注，引發了使用者的熱議，使使用者對AI的未來有了更多的期待。 ▶技術底座：多技術融合助推ChatGPT發展走到11公尺的盡頭，蔡京的題ChatGPT並不是孤立存在的，其成功離不開眾多技術的支持。其背後的技術主要有生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術。 ▶內容變革：ChatGPT開啟內容生產力革命 ChatGPT可以輔助使用者輸出多種內容，使內容生產變得更加簡單、高效。可以說，ChatGPT拓展了數位時代的創造力極限，開啟了內容生產力革命。 ▶ 商業展望：ChatGPT商業化之路雛形已現 AIGC技術在發展中完成了深厚的技術累積，這使得ChatGPT在B端與C端實現商業化的條件已經成熟。未來，以ChatGPT為代表的AIGC應用將會更好地服務B端與C端，提升其運作效率。 本書共12章，前5章從5個方面對ChatGPT進行了解讀，幫助使用者全面了解ChatGPT，對其形成完整的認知。第6～12章從傳媒、教育、娛樂、電商、金融、製造和醫療7個方面講解了ChatGPT的應用，展現了ChatGPT的商業價值。 本書特色：本書以ChatGPT為中心，對ChatGPT的相關知識進行詳細的講解。在講述ChatGPT理論知識的同時，還結合許多相關案例，內容詳實，引人深思。本書面向的讀者對象為對ChatGPT感興趣的人士、AI研究者、AIGC領域從業者、科技企業管理者等，能夠為讀者提供全新見解。

NLP專用Python開發環境架設自然語言處理的發展歷程無監督學習的原理與應用及實作Pretraing的完整實作文字分類、機器閱讀理解、命名實體辨識ChatGPT的原理 - 文字生成損失函式與模型瘦身大型語言模型已經成為現代AI的範式，不管是ChatGPT或是llama、Falcon等，這個新興學科是人工智慧時代最熱門的話題，沒有一個有志於AI的人可以忽略這個趨勢。而大型語言模型的基礎，當然就是自然語言處理（Natural Language Processing，簡稱NLP）。自然語言處理主要工作包括了語言理解、語言生成、機器翻譯、語音識別等。目前見的應用非常多，包括了自動化客服、垃圾郵件檢測、社交媒體情感分析、醫療記錄分析、金融預測和新聞摘要等。總結來說，自然語言處理是一個動態且充滿潛力的領域，它正在不斷改變我們與計算機和數字訊息互動的方式。隨著技術的不斷發展，我們可以期待在更多領域看到 NLP 的創新應用，同時也需要持續關注與其發展相關的倫理和社會問題。本書最重要目的就是將你帶入這個行業，如果你是程式設計師，網頁設計師，又或者是App的開發者，如果不想被人工智慧搶掉工作，加入是最好的選擇。

這是華人史上第一本與AI圖像共創的圖文輯在歷年臺北數位藝術節前瞻性地策展過第二自然、超機體、再轉存等里程碑大展後，如今人類世界真正迎接到AI時代的來臨。AI超乎預期的能力，甚至逼近了人類引以為豪的藝文與創作表現。本書的起心動念，是人類不該屈服於AI，而是正向思維地與AI進行共創。這本書裡的所有作品，都是運用作者的詩句為輸入元素，然後讓AI依此生成畫作，這是作者和AI的對話成果。作者宛若是個賽博格，AI為其增能，在Metaverse中以作者的分身來作畫，並以此詮釋其詩句。作者從AI繪畫熱潮一開始就加入實驗，先後試過Disco Diffusion, Midjournal, Stable Difussuion, DALL E, Mega.Space. 它們各有不同特性與優缺點，但其中最大的共同點，就是它們俱皆以驚人的速度在進化。很多人都只是嘗試採用提示詞去「命令」AI畫畫，以相當工具理性的態度去「利用」AI. 但作者關心的是新媒材本身的當代性，是否能反映個人的當下狀態，所以他摸索了一整年，試著與AI共處。作者年輕時的博論是做NLP (自然語言處理, Natural Language Processing) 的，啃了大量語言學的著述，醉心於Noam Chomsky的Universal Grammar. 而就在這幾年裡，深度學習Transformer Model的不斷演進，讓AI對人類文字語意的理解，有了驚人的進展，諸如OpenAI ChatGPT等等. 所以作者開始以詩與AI對話，將其詩句輸入AI去生成畫作, 而一年來它「懂」作者的詩的程度，愈來愈令人驚豔。再加上原本作者的詩作就習於空間與時間的交織，充滿各種畫面感，所以他很開心找到了與AI共創的方式，作者寫詩，調整參數，讓AI理解並畫出其詩中的景緻。而這樣的「共創」，正是本書企圖紀念的一個刻度。我們可以叫AI模仿甚至組合各種繪畫風格，但AI沒辦法創造風格。而我們每個人類卻都可以創造風格，即便畫得很醜，那也是你的風格。AI只能模仿和追隨你。繪畫風格這回事，是和人的身體息息相關的。你對自身肌理的控制與不可控制性，你生理上無形的各種慣性，形成了你的風格。那不只是心理的，更是生理的。對於缺乏身體性的AI而言，他沒辦法懂。無論是 Rule-based 或 Data-driven 的年代，AI 都無法無中生有。它必須靠模仿和訓練，才能

從建構交易策略到使用Python的機器人投資顧問 機器學習和資料科學將在未來幾年顯著改變金融業。透過本實用指南，避險基金、投資和零售銀行以及金融科技公司的專業人士將學到如何建構對該行業極為關重要的ML演算法。您將研究ML概念和20多個案例研究，包括了監督式、非監督式和強化學習，以及自然語言處理(natural language processing, NLP)。 分析師、交易員、研究人員和開發人員還將深入研究投資組合管理、演算法交易、衍生性商品定價、詐欺偵測、資產價格預測、情緒分析和聊天機器人開發。您將探索現實生活中的問題，並學習以程式碼和範例作為後盾的科學上合理的解決方案。 本書包括： ‧基於迴歸的監督式學習交易策略和衍生性商品定價模型 ‧基於分類的監督式學習信用違約風險預測與詐欺偵測模型 ‧投資組合管理與收益率曲線建構中的降維技術及實例研究 ‧利用演算法和分群技術尋找交易策略和投資組合管理中相似物件的案例研究 ‧建立交易策略的強化學習模型和技巧，衍生性商品避險和投資組合管理 ‧使用Python函式庫(例如NLTK和Scikit-learn)的NLP技術

The book is a collection of invited chapters by experts in Chinese document and text processing, and is part of a series on Language Processing, Pattern Recognition, and Intelligent Systems. The chapt

This book offers research evidence with a startling conclusion: language processing skills that have been assumed to be universal human traits appear instead to be a product of learners' experience w

The influence of cognitive processing on second language acquisition (SLA), and on the development of second language (SL) instruction, has always been a subject of major interest to both SLA research

Covering the major problems in teaching writing to non-native speakers, thirteen original contributions consider the composing process, variables in writing performance, teacher response to student wr

本書序言1. Vectors are introduced earlier in the text (Chapter 2) so that students develop familiarity with vector language before encountering motion in one and two dimensions.2. Updates to the text reflect current technological advances, including recent spacecraft and updated coverage of climate change.3. New STEP (Scaffolding the Essentials of Physics) problems in WebAssign offer self-paced activities that bridge the gap between basic physics knowledge and solving complex textbook problems.4. Updated Master Its in WebAssign provide just-in-time problem-solving support to students, walking through the reasoning of problems that are similar to those that appear in the text.本書特色1. A Storyline feature that begins each chapter offers a continuous story through the eyes of an inquisitive physics student, connecting topics across the textbook and relating physics to everyday life.2. The Analysis Model approach to problem solving helps students conceptualize physics problems. Introduced in Cha

「許多偉大的書籍專門探討基礎的ML演算法，但這本書揭露真實系統的結構。對渴望實際建構和部署NLP的專業人士而言，本書具備無可估量的價值。」—Zachary LiptonCarnegie Mellon大學助理教授，Amazon AI科學家，《Dive into Deep Learning》作者很多著作和課程都使用簡單的案例和定義良好的資料組來處理自然語言處理(NLP)問題，但是，如果你想

The book is a collection of invited chapters by renowned experts and is part of a series on Language Processing, Pattern Recognition, and Intelligent Systems. The content is wide-ranging, encompassing

Series: Advances in CriminologyThis reissue, first published in 1964, describes the contemporary problems faced and solutions found by the monetary and financial authorities of six African countries:

This comprehensive handbook helps teachers develop insights into issues, problems, and possibilities in English teaching methodology.

Unlike many recent books on L2 vocabulary and processing, this volume does not set out to offer a complex perspective of the L2 lexicon, but rather represents a sustained attempt to come to grips with

【本書特色】 最貼近新手的深度學習理論及應用全方位入門書！ ✪學習必備理論，打好基礎，新手不怕被過多的數學式嚇跑。 ✪使用PyTorch直覺易懂且強大的深度學習框架，開始應用的第一步。 ✪了解自然語言處理、電腦視覺與強化學習等三大領域經典應用與實作，領略深度學習的強大。 ✪兼顧理論與實作，而非偏頗一方，培養讀者較全面的理解。 ✪包含經典學術論文與知名專案技術講解，幫助讀者掌握此技術所能到達的高度。 ✪每章末提供自我檢驗題目，幫助理解與統整各章概念。 【內容簡介】 本書內容改編自第12屆iT邦幫忙鐵人賽AI & Data組冠軍系列文章《Knock Knock！Deep Learning》，是專為深度學習初學者所規劃的內容，旨在以淺顯易懂的文字，帶領深度學習領域的新手度過入門撞牆期。內容從深度學習的基本理論開始，並以PyTorch框架的介紹過渡至應用篇，最後以自然語言處理、電腦視覺與強化學習等三大領域的經典論文與實作專案收尾，循序漸進且去蕪存菁。本書會帶入許多故事性的敘述和插圖，結合作者自身在史丹佛大學修讀碩士期間的學習心得，以及深度學習發展相關的故事，期使本書讀起來不會如教科書一樣厚重，亦不會像網路上的技術文章一般零散無脈絡，讓讀者對深度學習領域的發展有一定的概念。 【內容重點】 ✪了解深度學習的基礎理論以及必備的實作知識與工具 內容從人類的神經網路開始，介紹深度學習與其相似之處，並理解神經網路的學習步驟，同時也介紹一些必備的實作知識與工具，以具備基本的實作工程技能。 ✪入門深度學習框架PyTorch 內容介紹語法簡潔、好上手且在學術界流行的PyTorch框架，著重實作與應用。 ✪深度學習×自然語言處理×電腦視覺×強化學習 內容會依序談到深度學習在三方面的應用，如自然語言處理（Natural Language Processing，NLP )、電腦視覺（Computer Vision，CV )、強化學習（Reinforcement Learning，RL )。除了基本簡介外，還會介紹一些基本實作和改變世界的技術成果。 【適用讀者】 ✪對深度學習有興趣，但還不知道它是什麼、能做什麼的新手。 ✪零散讀過深度學習相關文章，但仍有知識缺口的入門者。 ✪被教科書中龐大的數學理論嚇到，而對深度學習卻步的讀者。 ✪正在上學校的深度學習課程，但不知道實作從何開始的學生。

不會艱深晦澀、不再高深莫測 你一定能看懂的自然語言處理入門書！ INTRODUCTION TO NATURAL LANGUAGE PROCESSING ♘Java與Python雙實作：圖文並茂！演算法、數學公式、程式碼相輔相成。 ♘探索式學習路徑：循序漸進！從問題、演算法再到範例實作，一目瞭然。 編輯推薦 作者匯集多年經驗，從基本概念出發，逐步介紹中文分詞、詞性標註、命名實體識別、資訊抽取、文字聚類、文字分類、句法分析這幾個熱門問題的演算法原理與工程實作。透過講解多種演算法，比較它們的優缺點與適用場景，同時詳細展示實際專案導向的程式碼，協助讀者真正將自然語言處理（NLP）應用到正式環境之中。 儘管作者目前是NLP領域的翹楚，但他曾是非本科生，對自學入門有親身體驗，深諳初學者的學習痛點。希望透過這本與眾不同的入門讀物，為讀者打開另一扇機會之門，幫助你零起點上手NLP，讓你在通勤時也能把書讀完讀懂！ 隨著本書的學習，你將從普通程式設計師晉級為機器學習工程師，最後進化為NLP工程師。 專家好評 HanLP作者何晗寫的這本書值得一讀。這本書系統性地介紹NLP的基礎技術，深入淺出、容易理解，對初學者助益極大。 周明 微軟亞洲研究院副院長，國際計算語言學會會長 本書不僅介紹NLP的任務及演算法，也提供可以實際執行的線上程式碼，非常適合NLP初學者入門並快速部署到正式環境。 王斌 小米人工智慧實驗室主任、NLP首席科學家

“這是NLP與深度學習入門的好書。作者Delip與Brian清楚的說明NLP概念並以程式碼示範如何解決NLP實務工作” -Liling Tang Rakuten研究員 自然語言處理(Natural Language Processing，NLP)提供解決人工智慧問題的機會，造就出Amazon Alexa與Google Translate等產品。如果你正在開發或學習NLP與深度學習，這本書能告訴你如

這是一本研究中文自然語言處理方面的基礎性、綜合性書籍，有關NLP 的語言理論、演算法和工程實作的各方面。系統介紹認知語言學和演算法設計相結合的中文NLP 書籍，並從認知語言學的角度重新認識和分析NLP的句法和語義相結合的資料結構。這也是本書的創新之處。自然語言處理（Natural Language Processing，NLP）是人工智慧和語言學領域的分支學科，主要研究如何讓電腦處理和運用自然語言

Series: Law, Language and CommunicationFirst published in 1968, the central aim of this work is to examine the major problems of development confronting contemporary tropical countries. Adopting an in

Phrasal verbs play a crucial role in the English language and are essential to everyday communication, but recognizing and using them correctly is an area that often causes problems for learners. This