Transformers for Machine Learning av Uday Kamath, Kenneth Graham, Wael Emara

Boken 'Transformers for Machine Learning: A Deep Dive' er en omfattende guide til transformer-arkitekturer, som har blitt en sentral komponent i mange nevrale nettverksmodeller. Den dekker et bredt spekter av anvendelser, inkludert naturlig språkprosessering (NLP), talgjenkjenning, tidsseriedata og datavisjon. Gjennom omfattende tilpasninger og utviklinger har transformer-teknikker gjort betydelige fremskritt, og denne boken presenterer den første helhetlige omtalen av emnet. Med over 60 transformer-arkitekturer gir boken grundige forklaringer på ulike algoritmer og metoder knyttet til transformer-teknologier. Den er utformet for å hjelpe lesere med å forstå anvendelsen av disse teknikkene i praktiske situasjoner, inkludert tale, tekst, tidsserier og datavisjon. I tillegg inneholder boken nyttige tips og triks for hver arkitektur, samt praktiske casestudier og kodeeksempler som gjør det mulig å implementere teorien i virkelige prosjekter. Alt innhold er klart til å kjøres i Google Colab, slik at både teoretisk kunnskap og praktisk analyse kan utforskes.