Các mô hình học sâu nâng cao

Sách “Các mô hình học sâu nâng cao” trình bày lý thuyết của các mô hình học sâu nâng cao và ứng dụng vào các bài toán thực tế liên quan. Cấu trúc sách bao gồm hai phần chính. Phần đầu của sách bao gồm năm chương, trình bày chủ yếu các mô hình học sâu hiện đại trong những năm gần đây. Mỗi chương gồm phần giới thiệu (hay dẫn dắt) cho đến những kiến thức chung, các ví dụ và cuối cùng là kết chương. Sau mỗi chương sẽ có phần bài tập luyện tập thêm, làm rõ các nội dung trình bày trong chương. Phần thứ hai gồm hai chương, trình bày cách ứng dụng các mô hình học sâu vào giải quyết bài toán chuyển văn bản thành giọng nói và chuyển giọng nói thành văn bản.

Mục lục

I Các mô hình học sâu nâng cao 
Chương 1: Các mô hình GRU, LSTM và BiLSTM 
Chương 2: Mô hình Sequence-to-Sequence và cơ chế At-tention 
Chương 3: Transformer và các mô hình ngôn ngữ lớn 
Chương 4: Các mô hình Graph Neural Networks 
Chương 5: Các mô hình Generative Adversarial Networks 
II Ứng dụng các mô hình học sâu vào một số bài toán thực tế
Chương 6: Ứng dụng của học sâu trong bài toán xử lý tiếng nói
Chương 7: Ứng dụng của học sâu trong bài toán tổng hợp tiếng nói