内容简介

本书以自然语言和语音信号处理两大应用领域为载体，详细介绍深度学习中的各种常用序列模型。在讲述理论知识的同时辅以代码实现和讲解，帮助读者深入掌握相关知识技能。

本书共12章，不仅涵盖了词向量、循环神经网络、卷积神经网络、Transformer等基础知识，还囊括了注意力机制、序列到序列问题等高级专题，同时还包含其他书籍中较少涉及的预训练语言模型、生成对抗网络、强化学习、流模型等前沿内容，以拓宽读者视野。

本书既适合互联网公司算法工程师等群体阅读，又可以作为本科高年级或研究生级别的自然语言处理和深度学习课程的参考教材。