Kaynak: Xinzhiyuan
Bu makale yaklaşık 1500 kelimedir, okumanız tavsiye edilir 9 dakika.
Bu makale sizinle NLP öğrenmek için 8 ücretsiz çevrimiçi kaynak paylaşıyor ve ilgilenen arkadaşlar bunları toplamaya davetlidir.
NLP'nin makine öğrenimindeki en popüler alanlardan biri olduğu söylenebilir.Bu teknoloji, dünya ile etkileşim şeklimizi değiştirdi. Bugün sizlerle NLP'yi öğrenmek için 8 ücretsiz çevrimiçi kaynağı paylaşmak istiyorum ve ilgilenen arkadaşlar bunları toplamaya davetlidir.
Yapay zeka araştırmalarının temel alanlarından biri olan doğal dil işleme (NLP), uzun süredir yoğun ilgi görüyor.
Microsoft Başkan Yardımcısı Dr. Shen Xiangyang, bir keresinde Dil dünyayı anlar ve yapay zekanın insanlar üzerindeki en derin etkisinin doğal dil olduğunu belirtti. Pek çok araştırmacı, Makineler insanı anlasın "Dil" sorunu.
NLP ile de ilgileniyorsanız, NLP'yi öğrenmek için şu 8 ücretsiz çevrimiçi kaynağa dikkat etmek isteyebilirsiniz:
1. Doğal dil işleme
biçim: kurs
Kurs adresi:
https://www.coursera.org/learn/language-processing
Giriş: Bu çevrimiçi kurs, temelden ileri seviyeye NLP'yi kapsar ve Coursera'daki gelişmiş makine öğrenimi uzmanlığının bir parçasıdır. Bu kursa ücretsiz olarak kayıt olabilirsiniz ve duygu analizi, özet, konuşma durumu izleme vb. Öğreneceksiniz. Öğreneceğiniz konular arasında metin sınıflandırmaya giriş, dil modelleme ve dizi etiketleme, anlamsal vektör uzayı modelleri, sıralı diziye görevler ve daha fazlası yer alır.
Kursu tamamladıktan sonra, StackOverflow web sitesinde arama yapmanıza yardımcı olması için kendi sohbet botunuzu oluşturabileceksiniz.
2. Doğal dil işleme - Microsoft
biçim: kurs
Kurs adresi:
https://www.edx.org/course/natural-language-processing-nlp-3
Giriş: Bu, size NLP için geçerli en son teknolojilere kapsamlı bir giriş sağlayacak kendi kendine öğretilen bir eğitim kursudur. Bu kursun süresi 6 haftadır ve doğal dil işleme ve klasik makine öğrenimi yöntemlerinin nasıl kullanılacağına dair kapsamlı bir genel bakış sağlayacaktır. İstatistiksel makine çevirisi, NLP'ye uygulanan derin pekiştirmeli öğrenme teknolojisi, görsel dil çok modlu dil ve derin anlamsal benzerlik modeli (DSSM) ve uygulamalarını öğreneceksiniz.
Ayrıca makine çevirisi ve diyalog problemlerini çözmek için derin öğrenme modellerini nasıl uygulayacağınızı, derin yapılandırılmış bilgi erişimini ve doğal dil uygulaması anlamsal modellerini, doğal dil uygulaması derin güçlendirme öğrenme modellerini ve derin öğrenme modellerini yanıtlayan resim altyazısını ve görsel soruyu nasıl uygulayacağınızı öğreneceksiniz. Dersler 1 Temmuz'da başlıyor!
3. Derin öğrenme için doğal dil işleme
biçim: video
Video adresi:
https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
Giriş: Bu, Stanford Üniversitesi tarafından sağlanan, NLP'ye uygulanan derin öğrenmenin en son araştırmaları hakkında bilgi edinebileceğiniz NLP üzerine bir dizi derstir. Bu ders dizisi her biri yaklaşık 80 dakika sürer ve konular arasında derin öğrenme NLP, kelime vektörü gösterimi, küresel kelime gösterimi, kelime penceresi sınıflandırması ve sinir ağları, geri yayılım, bağımlılık sözdizimi analizi, TensorFlow'a giriş ve benzeri diğer konular yer alır. .
4. Doğal dil işleme - Carnegie Mellon Üniversitesi
biçim: PDF ve video
Kaynak adresi:
Giriş: Bu ders Carnegie Mellon Üniversitesi tarafından verilmektedir.Ders, bilgisayar sistemleri olarak insan dillerini (İngilizce ve Çince gibi) ifade etmenin çeşitli yollarını ve bu temsilleri metin ve konuşma verileriyle ilgili programlar yazmak için kullanmanın çeşitli yöntemlerini kapsar. Çevirme, özetleme, bilgi çıkarma, veritabanının doğal arayüzü, konuşma aracısı vb. Kurs, makine öğrenimi ve dilbilimin temel fikirlerini içerir.
Beş, derin doğal dil işleme
biçim: Video ve slayt gösterisi
Kaynak adresi:
https://github.com/oxford-cs-deepnlp-2017/lectures/blob/master/README.md
Giriş: Bu, Oxford Üniversitesi'nden ders slaytları ve videolar şeklinde sunulan derin NLP kurslarını içeren bir GitHub kaynak kitaplığıdır. Bu ders, konuşma ve metni analiz etmek ve oluşturmak için tekrarlayan sinir ağlarının kullanımındaki en son gelişmelere odaklanmaktadır. Size ilgili makine öğrenimi modelinin matematiksel tanımını tanıtacak ve ilgili optimizasyon algoritmasını türetecektir. Kurs, metnin potansiyel boyutlarının analizi, konuşmayı metne dönüştürme, diller arasında çeviri ve soruları yanıtlama dahil olmak üzere NLP'deki bir dizi sinir ağları uygulamalarını kapsar.
Altı, Python'un doğal dil işleme
biçim: E-kitap
Kaynak adresi:
Giriş: Bu Steven Bird, Ewan Klein ve Edward Loper tarafından yazılan "Python ile Doğal Dil İşleme" kitabının e-kitap versiyonudur. Bu kitap daha çok Python 3. basımı kullanarak pratik yöntemler hakkındadır.Dil işleme, metin derlemesine ve kelime kaynaklarına erişim, ham metni işleme, yapılandırılmış programlar yazma, metni sınıflandırma, cümle yapısını analiz etme gibi çeşitli konuları öğreneceksiniz. .
7. NLTK kullanarak NLP'ye başlarken
biçim: video
Video adresi:
https://www.udemy.com/natural-language-processing-nlp-for-beginners-using-nltk-in-python/
Giriş: Bu, NLP'nin temellerini NLTK aracılığıyla öğreneceğiniz bir video serisidir. Video temelde NLP'de frekans dağılımı adı verilen çok kullanışlı bir işlevde yoğunlaşmıştır. Kelimelerin frekans dağılımını nasıl hesaplayacağınızı, tablo haline getireceğinizi ve çizeceğinizi öğreneceksiniz.
8. Konuşma ve dil işleme
biçim: E-kitap
Kaynak adresi:
https://web.stanford.edu/~jurafsky/slp3/
Giriş: Bu, Dan Jurafsky ve James H. Martin tarafından yazılmış bir e-kitap.Dil işlemenin temellerini öğreneceksiniz. Burada yer alan konular metin normalleştirme, düzenleme mesafesi, düzenli ifade, dil modelleme, lojistik regresyon, vektör semantiği, sinir ağları, sinir dili modelleri ve benzeri diğer ilgili konulardır.
Referans bağlantısı:
https://www.analyticsindiamag.com/8-free-resources-for-beginners-to-learn-natural-language-processing/
Editör: Huang Jiyan redaksiyonu: Lin YilinTsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " THU Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.