Companheiro gratuito, disponível online e organizado por capítulos, para o livro chinês de deep learning de Qiu Xipeng, com uma edição completa, outra para o público geral, PDFs e erratas.
19,5 mil3,7 milSem licençaAtualizado mês passado
NiuTrans/NLPBook
Livro gratuito e aberto sobre redes neurais e grandes modelos de linguagem para NLP, dos fundamentos de machine learning a prompting, alinhamento e raciocínio.
- Estrelas
- 891
- Forks
- 153
- Issues abertas
- 10
- Último commit
- anteontem
O que é?
Este é um livro-texto sobre processamento de linguagem natural com redes neurais e grandes modelos de linguagem, escrito por Tong Xiao e Jingbo Zhu. Está organizado em três partes: fundamentos de machine learning e redes neurais; modelos básicos de sequência, incluindo vetores de palavras, modelos recorrentes e convolucionais, modelos sequence-to-sequence e Transformers; e grandes modelos de linguagem, abordando pré-treinamento, modelos generativos, prompting, alinhamento, inferência e raciocínio.
Cada capítulo é publicado como um PDF separado, e também há um PDF completo do livro. Alguns capítulos foram adaptados de trabalhos anteriores dos autores sobre Transformers e fundamentos de grandes modelos de linguagem, com a inclusão de bastante material novo. O livro também está disponível em um site.
O conteúdo é voltado a qualquer pessoa interessada em NLP e deep learning. Traduções para chinês, japonês, francês, alemão, italiano e português são mantidas em um repositório separado.
Recursos principais
- 01Aborda os fundamentos de machine learning e redes neurais antes de apresentar os modelos de linguagem
- 02Explica Transformers, modelos sequence-to-sequence e vetores de palavras
- 03Inclui capítulos posteriores sobre pré-treinamento, prompting, alinhamento, inferência e raciocínio
- 04Disponível em PDFs separados por capítulo, em um PDF completo e em um site
- 05Disponibiliza uma referência bibliográfica em BibTeX
Casos de uso
- Aprender NLP e deep learning, dos fundamentos aos grandes modelos de linguagem modernos
- Revisar a teoria por trás dos Transformers e das etapas de treinamento de LLMs
- Usar como referência ou material didático, com capítulos que podem ser citados
- Ler o livro em outro idioma por meio do repositório de traduções
Início rápido
- 1
Abra a versão online do livro no navegador
- 2
Baixe o PDF completo do livro na pasta chapters
Antes de usar
- Não há nenhuma licença especificada nos metadados do projeto.
Tópicos
Perguntas frequentes
- O que é NLPBook?
- Livro gratuito e aberto sobre redes neurais e grandes modelos de linguagem para NLP, dos fundamentos de machine learning a prompting, alinhamento e raciocínio. Este é um livro-texto sobre processamento de linguagem natural com redes neurais e grandes modelos de linguagem, escrito por Tong Xiao e Jingbo Zhu. Está organizado em três partes: fundamentos de machine learning e redes neurais; modelos básicos de sequência, incluindo vetores de palavras, modelos recorrentes e convolucionais, modelos sequence-to-sequence e Transformers; e grandes modelos de linguagem, abordando pré-treinamento, modelos generativos, prompting, alinhamento, inferência e raciocínio.
- NLPBook é gratuito? Qual é a licença?
- NLPBook não declara licença. O código é público, mas sem licença você não tem permissão explícita para reutilizá-lo; fale com o autor antes de depender dele.
- NLPBook ainda é mantido?
- Manutenção ativa. O último commit de NLPBook foi em 19 de out. de 2026.
- Para que posso usar NLPBook?
- Aprender NLP e deep learning, dos fundamentos aos grandes modelos de linguagem modernos Revisar a teoria por trás dos Transformers e das etapas de treinamento de LLMs Usar como referência ou material didático, com capítulos que podem ser citados Ler o livro em outro idioma por meio do repositório de traduções
- Como instalar NLPBook?
- Abra a versão online do livro no navegador Baixe o PDF completo do livro na pasta chapters
- Onde consigo NLPBook?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/NiuTrans/NLPBook
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Curso gratuito com licença MIT e 542 lições que ensina conceitos de engenharia de IA do zero em Python, TypeScript, Rust e Julia.
71,4 mil12,6 milPythonMITAtualizado anteontem
Tutorial comentado em 12 capítulos que ensina a criar e treinar do zero, em Python e PyTorch, um GPT pequeno no estilo LLaMA.
4 mil505Jupyter NotebookMITAtualizado há 2 meses
Um livro introdutório e conciso sobre aprendizado por reforço, dos conceitos básicos a algoritmos aplicados, com implementações em PyTorch no repositório.
1,7 mil96PythonSem licençaAtualizado há 3 meses
Uma coleção de 54 scripts Python independentes, cada um em um único arquivo e sem dependências, que implementam algoritmos modernos de IA do zero para facilitar a compreensão de seus mecanismos internos.
1,4 mil105PythonMITAtualizado há 5 dias
Base de conhecimento de ML selecionada, em Markdown, com 923 artigos, aulas e papers, além do APRL, um classificador e regressor próprio que usa apenas NumPy.
25534PythonOtherAtualizado há 2 meses