本书介绍了深度学习的体系结构，以及在各种NLP任务的应用，包括文档分类、机器翻译、语言建模和语音识别。并提供使用真实世界的应用程序的工具和库的介绍。为NLP和语音识别的深度学习解释了适用于NLP和语音的深度学习方法，并提供了实际的案例研究与代码。

Digital Reasoning专家执笔，详解大语言模型背后的深度学习技术
一本书覆盖NLP与语音识别方向的理论基础、相关工具、
实验分析方法、实践技巧以及前沿进展

计算机\人工智能

随着深度学习、自然语言处理（NLP）和语音处理技术在许多领域（包括金融、医疗和政务等）的广泛应用，越来越需要一种综合资源，将深度学习技术映射到NLP和语音处理方向，并提供在现实应用程序中使用相关工具和库的指导。本书剖析了适用于NLP和语音处理的前沿深度学习方法，提供了全面的介绍，并在案例研究中给出了代码以方便上手实践。
本书特色：
覆盖从初级深度学习、文本和语音处理到先进的神经架构的全面资源；
包含适用于常见NLP和语音识别应用的深度学习技术的现成参考资料；
汇总了成功的架构和算法的有用资源，并详细解释了基本的数学知识；
包含端到端神经语音处理方法的深入参考和比较；
Keras、TensorFlow和PyTorch等基于Python的深度学习库的应用实践，以及必不可少的技巧和窍门；
提供13个案例研究，覆盖嵌入、分类、分布式表示、摘要、机器翻译、情感分析、跨领域迁移学习、多任务NLP、端到端语音和问答系统等NLP和语音识别任务，并附有不同方法的代码、数据和配置。