خرید و دانلود نسخه کامل کتاب Transformers for Natural Language Processing and Computer Vision

Transformers for Natural Language Processing and Computer Vision
Author: Denis Rothman

In Transformers for Natural Language Processing and Computer Vision, Denis Rothman delivers an advanced and practical guide to understanding and applying transformer models—the backbone of modern AI. The book begins with the foundations of the transformer architecture, including attention mechanisms, positional encoding, and encoder-decoder structures. Rothman then dives into real-world applications, guiding readers through implementing transformers in popular NLP tasks such as text classification, summarization, translation, and sentiment analysis. The second half of the book expands into computer vision, showing how the same architecture can be adapted to image classification, object detection, and segmentation tasks using models like Vision Transformers (ViT) and DETR. With hands-on examples in Python using libraries such as Hugging Face Transformers and PyTorch, readers can build, fine-tune, and deploy models efficiently. Whether you’re a machine learning practitioner, researcher, or student, this book offers both theoretical depth and practical implementation tips to fully leverage transformers in NLP and CV.

ترنسفورمرها در پردازش زبان طبیعی و بینایی کامپیوتر
نویسنده: دنیس راثمن

کتاب ترنسفورمرها در پردازش زبان طبیعی و بینایی کامپیوتر یک راهنمای پیشرفته و کاربردی برای درک و پیاده‌سازی مدل‌های ترنسفورمر است که امروزه در قلب بسیاری از سیستم‌های هوش مصنوعی قرار دارند. در ابتدا، مفاهیم پایه‌ای مانند مکانیزم توجه (Attention)، کدگذاری موقعیتی و ساختار انکودر-دیکودر شرح داده می‌شوند. سپس، نویسنده با پروژه‌های عملی، کاربرد این مدل‌ها را در حوزه NLP مانند دسته‌بندی متون، خلاصه‌سازی، ترجمه و تحلیل احساسات آموزش می‌دهد. بخش دوم کتاب به تطبیق ترنسفورمرها با بینایی ماشین می‌پردازد و مدل‌هایی مانند Vision Transformer (ViT) و DETR را برای دسته‌بندی تصاویر، تشخیص اشیاء و بخش‌بندی تصاویر معرفی می‌کند. نمونه‌کدهای ارائه‌شده با استفاده از پایتون و کتابخانه‌هایی نظیر Hugging Face و PyTorch نوشته شده‌اند و خواننده می‌تواند مدل‌های شخصی‌سازی‌شده و کاربردی را آموزش دهد و به کار بگیرد. این کتاب برای پژوهشگران، دانشجویان و متخصصان یادگیری ماشین که می‌خواهند تسلط عمیق و عملی بر ترنسفورمرها در NLP و CV داشته باشند، بسیار مفید است.