<progress id="zts2j"><pre id="zts2j"></pre></progress>
<rp id="zts2j"><object id="zts2j"></object></rp>
    <th id="zts2j"></th>
    <th id="zts2j"><track id="zts2j"><sup id="zts2j"></sup></track></th>
    <dd id="zts2j"><pre id="zts2j"></pre></dd>

      <button id="zts2j"><acronym id="zts2j"><u id="zts2j"></u></acronym></button>
        <button id="zts2j"><object id="zts2j"></object></button>

        1. 新聞中心

          EEPW首頁 > 智能計算 > 設計應用 > 超強NLP思維導圖,知識點全面覆蓋:從基礎概念到最佳模型,萌新成長必備資源

          超強NLP思維導圖,知識點全面覆蓋:從基礎概念到最佳模型,萌新成長必備資源

          作者:栗子時間:2019-09-29來源:量子位收藏

          本文經AI新媒體量子位(公眾號 ID: QbitAI)授權轉載,轉載請聯系出處。

          本文引用地址:http://www.tyy68.com/article/201909/405420.htm

          一只萌新,想把自己修煉成一個成熟的NLP研究人員,要經過一條怎樣的路?

          有個名叫Tae-Hwan Jung的韓國小伙伴,做了一份完整的思維導圖,從基礎概念開始,到NLP的常用方法和著名算法,知識點全面覆蓋。

          可以說,從0到1,你需要的都在這里了:

          這份精致的資源剛剛上線,不到一天Reddit熱度就超過400,獲得了連篇的贊美和謝意:

          “肥腸感謝。”“我需要的就是這個!”“哇,真好啊!”

          所以,這套豐盛的思維導圖,都包含了哪些內容?

          四大版塊

          就算你從前什么都不知道,也可以從第一個版塊開始入門:

          1 概率&統計


          從中間的灰色方塊,發散出5個方面:

          基礎 (Basic) ,采樣 (Sampling) 、信息理論 (Information Theory) 、模型 (Model) ,以及貝葉斯 (Baysian) 。

          每個方面,都有許多知識點和方法,需要你去掌握。

          畢竟,有了概率統計的基礎,才能昂首挺胸進入第二個板塊。

          2 機器學習

          這個版塊,一共有7個分支:

          線性回歸 (Linear Regression) 、邏輯回歸 (Logistic Regression) 、正則化 (Regularization) 、非概率 (Non-Probabilistic) 、聚類 (Clustering) 、降維 (Dimensionality Reduction) ,以及訓練 (Training) 。

          掌握了機器學習的基礎知識和常用方法,再正式向NLP進發。

          3 文本挖掘

          文本挖掘,是用來從文本里獲得高質量信息的方法。

          圖上有6個分支:

          基本流程 (Basic Procedure) 、圖 (Graph) 、文檔 (Document) 、詞嵌入 (Word Embedding)、序列標注 (Sequential Labeling) ,以及NLP基本假設 (NLP Basic Hypothesis)。

          匯集了NLP路上的各種必備工具。

          4 自然語言處理

          裝備齊了,就該實踐了。這也是最后一張圖的中心思想:

          雖然只有4個分支,但內容豐盛。

          一是基礎 (Basic) ,詳細梳理了NLP常用的幾類網絡:循環模型、卷積模型和遞歸模型。

          二是語言模型 (Language Model) ,包含了編碼器-解碼器模型,以及詞表征到上下文表征 (Word Representation to Contextual Representation) 這兩部分。許多著名模型,比如BERT和XLNet,都是在這里得到了充分拆解,也是你需要努力學習的內容。

          三是分布式表征 (Distributed Representation) ,許多常用的詞嵌入方法都在這里,包括GloVe和Word2Vec,它們會一個個變成你的好朋友。

          四是任務 (Task) ,機器翻譯、問答、閱讀理解、情緒分析……你已經是合格的NLP研究人員了,有什么需求,就調教AI做些什么吧。

          看完腦圖,有人問了:是不是要把各種技術都實現一下?

          韓國少年說:“不不,你不用把這些全實現一遍。找一些感覺有趣的,實現一波就好了。”

          △ 作者Tae-Hwan Jung,來自慶熙大學

          One More Thing

          Reddit樓下,許多小伙伴對這套腦圖表示膜拜,并且想知道是用什么做的。

          韓國少年說,Balsamiq Mockups。

          GitHub傳送門:https://github.com/graykode/nlp-roadmap

          Reddit傳送門:https://www.reddit.com/r/MachineLearning/comments/d8jheo/p_natural_language_processing_roadmap_and_keyword/



          關鍵詞:

          評論


          相關推薦

          技術專區

          關閉
          免费看黄色软件