推薦初學(xué)者的延伸閱讀

除了課程內(nèi)容外，TensorFlow 官網(wǎng)也為大家提供了學(xué)習(xí)研究機(jī)器學(xué)習(xí)豐富實(shí)用的資源，例如老師在課程中提到的 TensorFlow tfds 數(shù)據(jù)集、IMDB 數(shù)據(jù)集和課后練習(xí)，都可以在 TensorFlow 官網(wǎng)上找到：

TensorFlow tfds 數(shù)據(jù)集

https://tensorflow.google.cn/datasets/api_docs/python/tfds/as_numpy

TensorFlow 官方整理出的機(jī)器學(xué)習(xí)常用數(shù)據(jù)集

IMDB 數(shù)據(jù)集

https://tensorflow.google.cn/datasets/catalog/imdb_reviews

包含五萬(wàn)個(gè)影評(píng)，適合新手進(jìn)行詞嵌入的項(xiàng)目練習(xí)

循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN) 文本生成

https://tensorflow.google.cn/tutorials/text/text_generation

課程內(nèi)容的課后習(xí)題直達(dá)鏈接

另外，我們還推薦以下三篇文章作為延展閱讀，可以幫助大家理解老師在本部分課程中提到的自然語(yǔ)言處理的相關(guān)知識(shí):

TensorFlow Core 文本教程

https://tensorflow.google.cn/tutorials/text/word_embeddings

TensorFlow 官方推出的 NLP 教程，幫助大家梳理基本知識(shí)和原理

TensorFlow 2.0 模型:循環(huán)神經(jīng)網(wǎng)絡(luò)

來(lái)自《簡(jiǎn)單粗暴 TensorFlow 2.0》，補(bǔ)充介紹了本部分課程中提到的循環(huán)神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)

tf.keras.layers.LSTM

https://tensorflow.google.cn/api_docs/python/tf/keras/layers/LSTM?hl=zh_cn

LSTM API 直達(dá)鏈接

其中被老師譽(yù)為“機(jī)器學(xué)習(xí)中的明珠”的自然語(yǔ)言處理，作為備受開發(fā)者關(guān)注的熱門領(lǐng)域，在解決實(shí)際問(wèn)題過(guò)程中也迸發(fā)出了很多巧妙的應(yīng)用，我們推薦有興趣的同學(xué)延伸閱讀以下兩篇文章，希望你能夠進(jìn)一步感受 NLP 的無(wú)限魅力:

文本反垃圾在花椒直播中的應(yīng)用概述

介紹了花椒平臺(tái)如何利用自然語(yǔ)言處理訓(xùn)練，識(shí)別并攔截平臺(tái)上的文本垃圾信息，維持良好的用戶觀看體驗(yàn)

深度學(xué)習(xí)在網(wǎng)易嚴(yán)選智能客服中的應(yīng)用

通過(guò) NLP 深度學(xué)習(xí)，幫助網(wǎng)易嚴(yán)選的智能客服更好地理解用戶的意圖，提高真實(shí)對(duì)話場(chǎng)景下的服務(wù)效率

責(zé)任編輯：xj

原文標(biāo)題：TensorFlow 入門實(shí)操課程第三部分延展閱讀

文章出處：【微信公眾號(hào)：TensorFlow】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。