链接：https://pan.baidu.com/s/1EwISjMohrmoq3VmyVFnSfQ?pwd=hrun 

提取码：hrun

编辑推荐

豆瓣评分9.4的畅销书《深度学习入门：基于Python的理论与实现》续作，带你快速直达自然语言处理领域！

1.简明易懂
本书内容精炼，聚焦深度学习视角下的自然语言处理，延续前作的行文风格，采用通俗的语言和大量直观的示意图详细讲解，帮助读者加深对深度学习技术的理解，轻松入门自然语言处理。
2.侧重原理
不依赖外部库，使用Python 3从零开始创建深度学习程序，通过亲自创建程序并运行，读者可透彻掌握word2vec、RNN、LSTM、GRU、seq2seq和Attention等技术背后的运行原理。
3.学习曲线平缓
按照“文字介绍→代码实现→分析结果→发现问题→进行改善”的流程，逐步深入，读者只需具备基础的神经网络和Python知识，即可轻松读懂。
4.提供源代码
5.双色印刷

内容简介

《深度学习进阶：自然语言处理》是《深度学习入门：基于Python 的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过程中更深入地理解深度学习中的重要技术。

作者简介

斋藤康毅（作者）
1984年生于日本长崎县，东京工业大学毕业，并完成东京大学研究生院课程。目前在某企业从事人工智能相关的研究和开发工作。著有《深度学习入门：基于Python的理论与实现》，同时也是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。

陆宇杰（译者）
长期从事自然语言处理、知识图谱、深度学习相关的研究和开发工作。译有《深度学习入门：基于Python的理论与实现》。

目录

译者序 xi
前言　xiii
第　1 章 神经网络的复习　1
1．1　数学和Python的复习　1
1．1．1　向量和矩阵　1
1．1．2　矩阵的对应元素的运算　4
1．1．3　广播　4
1．1．4　向量内积和矩阵乘积　6
1．1．5　矩阵的形状检查　7
1．2　神经网络的推理　8
1．2．1　神经网络的推理的全貌图　8
1．2．2　层的类化及正向传播的实现　14
1．3　神经网络的学习　18