Transformers worden een kernonderdeel van veel neurale netwerkarchitecturen die worden gebruikt in een breed scala aan toepassingen, zoals NLP, spraakherkenning, tijdreeksen en computervisie. Transformatoren hebben veel aanpassingen en wijzigingen ondergaan, wat heeft geleid tot nieuwere technieken en methoden. Transformers for Machine Learning: A Deep Dive is het eerste uitgebreide boek over transformatoren. Belangrijkste kenmerken: Een uitgebreid naslagwerk voor gedetailleerde uitleg voor elk algoritme en elke techniek met betrekking tot de transformatoren. 60+ transformatorarchitecturen die op een uitgebreide manier worden behandeld. Een boek om te begrijpen hoe de transformatortechnieken kunnen worden toegepast in spraak, tekst, tijdreeksen en computervisie. Praktische tips en trucs voor elke architectuur en hoe deze in de echte wereld te gebruiken. Hands-on casestudy's en codefragmenten voor theorie en praktische real-world analyse met behulp van de tools en bibliotheken, allemaal klaar om te draaien in Google Colab. De theoretische uitleg van de state-of-the-art transformatorarchitecturen zal aantrekkelijk zijn voor postdoctorale studenten en onderzoekers (academisch en industrieel), omdat het een enkel startpunt zal bieden met diepgaande discussies over een snel bewegend veld. De praktische, hands-on casestudy's en code zullen niet-gegradueerde studenten, praktijkmensen en professionals aanspreken, omdat het snelle experimenten mogelijk maakt en de drempel voor toegang tot het veld verlaagt. . Taal: Engels