吴茂贵

资深大数据和人工智能技术专家，在BI、数据挖掘与分析、数据仓库、机器学习等领域工作超过20年。在基于Spark、TensorFlow、PyTorch、Keras等的机器学习和深度学习方面有大量的工程实践实践，对Embedding有深入研究。

著有《深度实践Spark机器学习》《Python深度学习：基于TensorFlow》《Python深度学习：基于Pytorch》等多部著作，广受读者好评。

王红星

 高级数据科学家，任职于博世（中国）投资有限公司苏州分公司，负责BOSCH数据湖，数据分析与人工智能相关的产品与服务的设计和开发。在大数据、机器学习、人工智能方面有丰富的实践经验。

【免费获取】配套代码+数据+共读实战营+作者答疑群

告别拖延症，14天掌握Embedding（社区领读10天+5个作业+4天实战）

获取方式：

1、微信关注“华章计算机”

2、在后台回复关键词：Embedding

这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。

在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。

全书一共16章，分为两个部分：

第1部分（第1~9章）Embedding理论知识

主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。

第二部分（第10 ~16章）Embedding应用实例

通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

Embedding（嵌入）是当下人工智能领域的热点，并发挥着越来越重要的作用。本书从Embedding基础概念和方法讲起，逐渐深入其原理，并以应用实例作为辅助，是快速了解并掌握Embedding的参考指南。

——黄铁军 中国人工智能学会会士/北京智源人工智能研究院院长

机器学习的范式一直在迅速发展，讲解机器学习原理与应用的书籍可谓汗牛充栋，但是很少看到把Embedding技术讲解透彻的书籍。本书深入浅出地讲解了Embedding的来龙去脉，采用大量案例和可视化的写作方法，降低了Embedding理论和技术的学习门槛；同时将基本原理和代码实现相结合，能够帮助读者快速将理论与实践融会贯通。

——韦青 微软中国首席技术官

如果模型是大楼，那么Embedding就是砖瓦，Embedding是人工智能领域的基本元素和核心操作，我个人认为也是脑和类脑衔接的桥梁。本书对Embedding基础知识的讲解比较全面，也有很多实战的例子，涵盖了目前比较常用的视觉和自然语言处理中的Embedding范式及其在模型中的应用，比较适合初学者。推荐。

——张峥  上海纽约大学计算机系终身教授，亚马逊云计算上海AI研究院院长

Embedding及其相关模型发展很快，已成为深度学习领域的研究热点和重点。本书不仅有针对性地讲解了Embedding的基础知识和原理，而且还给出了大量应用案例，如用Embedding提升机器学习性能和NLP模型性能等，原理与实践紧密结合。

——周明 创新工场首席科学家/中国计算机学会副理事长/ACL主席（2019）