Einführung
Google „NLP-Jobs“ und eine bemerkenswerte Anzahl relevanter Suchanfragen erscheint. Auf der ganzen Welt entstehen Unternehmen, die sich ausschließlich mit Rollen in der Verarbeitung natürlicher Sprache befassen! (PNL)! Die Nachfrage der Branche nach NLP-Experten war noch nie so hoch, und wird in den kommenden Jahren voraussichtlich exponentiell zunehmen.
Aber die Angebotsseite greift zu kurz. Neulinge und sogar erfahrene Leute, die eine Position auf Basis von NLP ergattern möchten, haben Schwierigkeiten, in die Branche einzusteigen.. Wir können auf einen der Bereiche mit den größten Schmerzen hinweisen: Mangel an strukturiertem Lernen.
Heutzutage gibt es zu viele Ressourcen, die die Konzepte von NLP abdecken., aber die meisten machen es spärlich. Neulinge neigen dazu, Artikel und Bücher zu lesen, verschiedene Blogs und Videos analysieren, und am Ende darum kämpfen, ein Verständnis von einem Extrem zum anderen wieder aufzubauen.
Hier kommt unser NLP-Lernweg ins Spiel!! Wir freuen uns, Ihnen einen umfassenden und strukturierten Lernpfad präsentieren zu können, der Ihnen hilft, NLP von Grund auf zu erlernen und zu meistern 2020!
Dieser Lernpfad wurde von DataPeaker-Experten ausgewählt, die Hunderte von Ressourcen durchgesehen haben, um ihn für unsere Community auszuwählen. Folgen Sie diesem Weg in 2020 und bald stehen Sie kurz davor, eine Position im NLP-Bereich zu ergattern!
Unser Framework für den NLP-Lernweg
Struktur: ist der Kern von allem, was wir tun. Unsere Lernrouten sind sowohl wegen ihrer Struktur als auch wegen ihres umfassenden Charakters beliebt. So haben wir jeden Monat des NLP-Lernpfads aufgeschlüsselt, um Ihnen bei der Planung Ihrer Lernreise zu helfen.:
- Ziel: Was wirst du in diesem Monat lernen? Was sind die wichtigsten Erkenntnisse? Wie wird Ihre Reise zum NLP voranschreiten? Wir erwähnen dies zu Beginn jedes Monats, um sicherzustellen, dass Sie wissen, wo Sie sich befinden und wo Sie am Ende des jeweiligen Monats sein werden..
- Vorgeschlagene Zeit: Wie viel Zeit sollten Sie durchschnittlich pro Woche für diesen Abschnitt aufwenden?
- Ressourcen zum Lernen: Eine Sammlung von Top-Ressourcen zu den NLP-Themen, die Sie in diesem Monat lernen werden. Dazu gehören Artikel, Tutorials, Videos, Forschungsarbeiten und andere ähnliche Ressourcen.
Auf der Suche nach anderen Lernpfaden in Data Science? Dein Warten hat ein Ende:
Tauchen wir ein!!
Mein 0: vorherige Anforderungen (Optional)
Ziel: Dies ist für alle, die mit Python und Data Science noch nicht vertraut sind. Am Ende dieses Monats, Sie sollten eine klare Vorstellung von den Bausteinen des maschinellen Lernens und der Programmierung in Python haben.
Vorgeschlagene Zeit: 6 Std / Woche
Python für die Datenwissenschaft:
Statistiken lernen:
Datenaufbereitung:
Lineare Regression:
Logistische Regression:
Entscheidungsbaum-Algorithmus:
Kreuzvalidierung von K-fold:
Einzelwertzerlegung (SVD):
Mein 1: Gewöhnen Sie sich an Textdaten
Ziel: Und wir gehen! In diesem Monat dreht sich alles darum, sich mit den grundlegenden Techniken der Textvorverarbeitung vertraut zu machen.. Am Ende dieses Abschnitts sollten Sie in der Lage sein, ein Textklassifizierungsmodell zu erstellen.
Vorgeschlagene Zeit: 5 Std / Woche
Laden Sie Textdaten aus mehreren Quellen:
Lernen Sie, reguläre Ausdrücke zu verwenden:
Textvorverarbeitung:
Explorative Analyse von Textdaten:
Extrahieren Sie Meta-Features aus Text:
Projekt:
- Erstellen Sie ein Textklassifizierungsmodell mit Metafunktionen. Sie können den Datensatz aus der Übungsaufgabe verwenden Gefühle erkennen
Mein 2 – Computerlinguistik und Wortvektoren
Ziel: In diesem Monat werden Sie beginnen, die Magie von NLP zu sehen. Sie lernen, wie Sie mit englischer Grammatik Schlüsselinformationen aus Texten extrahieren können. Sie werden auch mit Wortvektoren arbeiten, eine fortgeschrittene Technik zum Erstellen von Features aus Text.
Vorgeschlagene Zeit: 5 Std / Woche
Sprachliche Merkmale extrahieren:
- Wortart markieren mit spaCy:
- Erkennung benannter Entitäten mit spaCy:
- Stanford-Abhängigkeitsanalyse:
Textdarstellung im Vektorraum:
Themenmodellierung:
Informationsextraktion:
Projekte:
- Erstellen Sie ein Sentiment-Erkennungsmodell mit Word-Einbettungen. Sie können den Datensatz aus der Übungsaufgabe verwenden Gefühle erkennen
- Kategorisieren von Nachrichtenartikeln durch Modellieren von Themen
Mein 3 – Deep Learning-Update für NLP
Ziel: Das tiefes LernenTiefes Lernen, Eine Teildisziplin der Künstlichen Intelligenz, verlässt sich auf künstliche neuronale Netze, um große Datenmengen zu analysieren und zu verarbeiten. Diese Technik ermöglicht es Maschinen, Muster zu lernen und komplexe Aufgaben auszuführen, wie Spracherkennung und Computer Vision. Seine Fähigkeit, sich kontinuierlich zu verbessern, wenn mehr Daten zur Verfügung gestellt werden, macht es zu einem wichtigen Werkzeug in verschiedenen Branchen, von Gesundheit... está en el corazón de los desarrollos y avances recientes en la PNL. Von Googles BERT zu OpenAIs GPT-2, Alle NLP-Enthusiasten sollten zumindest ein grundlegendes Verständnis dafür haben, wie Deep Learning funktioniert, um diese innovativen NLP-Frameworks voranzutreiben. Also diesen Monat, wird sich auf die Konzepte konzentrieren, Algorithmen und Tools für Deep Learning.
Quelle: Tryolabs
Vorgeschlagene Zeit: 5 Std / Woche
Neuronale Netze:
Optimierungsalgorithmen:
Rekurrente neuronale Netze (RNN) und LSTM:
- Eine freundliche Einführung in RNNs:
Einführung in PyTorch:
Mein 4 – Deep-Learning-Modelle für NLP
Ziel: Jetzt haben Sie eine Vorstellung von Deep Learning und wie es im Kontext von NLP angewendet wird, Zeit, die Dinge auf den Punkt zu bringen. Tauchen Sie ein in fortschrittliche Deep-Learning-Konzepte wie rekurrente neuronale Netze (RNN), Langzeit-Kurzzeitgedächtnis (LSTM), unter anderen. Diese helfen Ihnen, NLP-Anwendungsfälle in Industriequalität zu meistern.
Vorgeschlagene Zeit: 5 Std / Woche
Rekurrente neuronale Netze (RNN) zur Textklassifizierung:
CNN-Modelle für NLP:
Projekte:
- Erstellen Sie mit LSTM ein Modell, um benannte Entitäten in Texten zu finden. Den Datensatz erhalten Sie bei hier
Mein 5 – Sequentielle Modellierung
Ziel: In diesem Monat, Sie lernen, sequentielle Modelle zu verwenden, die mit Sequenzen als Eingaben umgehen und / oder Abfahrten. Ein sehr nützliches Konzept im NLP, wie Sie bald feststellen werden!!
Vorgeschlagene Zeit: 5 Std / Woche
Sprachmodellierung:
- Stanford RNN und Sprachmodelle:
Sequenz-für-Sequenz-Modellierung:
Projekte:
- Trainieren Sie ein Sprachmodell in Enron E-Mail-Datensatz um ein Autovervollständigungssystem aufzubauen
- Erstellen Sie ein neuronales maschinelles Übersetzungsmodell (von Englisch in eine beliebige Sprache, die Sie wählen)
Mein 6 – Transferlernen im NLP
Ziel: Transferlernen ist gerade im NLP der letzte Schrei. Eigentlich, Dies hat dazu beigetragen, die hochmodernen NLP-Frameworks zu demokratisieren, denen Sie zuvor begegnet sind. Diesen Monat präsentiert BERT, GPT-2, ULMFiT und Transformatoren.
Vorgeschlagene Zeit: 5 Std / Woche
ULMFiT:
Transformer:
Vortrainierte große Sprachmodelle (BERT und GPT-2):
Passen Sie vortrainierte Modelle an:
Mein 7: Chatbots und Audioverarbeitung
Ziel: Sie werden diesen Monat lernen, wie Sie einen Chatbot oder Konversationsagenten erstellen. Sobald Sie NLP beherrschen, Die nächste Grenze, die Sie angehen können, ist die Audioverarbeitung.
Vorgeschlagene Zeit: 5 Std / Woche
Chatbots:
Audioverarbeitung:
Projekt:
- Erstellen Sie einen Chatbot mit Sprachschnittstelle mit Rasa
Infografiken – NLP-Lernpfad für 2020
Unsere Community liebt die Infografiken, die wir für jeden Lernpfad entwerfen. Diese Infografiken haben zwei Hauptzwecke:
- Sie helfen uns, die Struktur des Lernens verschiedener Themen zu visualisieren.
- Se pueden utilizar como listas de verificación para marcar conceptos a messenDas "messen" Es ist ein grundlegendes Konzept in verschiedenen Disziplinen, , die sich auf den Prozess der Quantifizierung von Eigenschaften oder Größen von Objekten bezieht, Phänomene oder Situationen. In Mathematik, Wird verwendet, um Längen zu bestimmen, Flächen und Volumina, In den Sozialwissenschaften kann es sich auf die Bewertung qualitativer und quantitativer Variablen beziehen. Die Messgenauigkeit ist entscheidend, um zuverlässige und valide Ergebnisse in der Forschung oder praktischen Anwendung zu erhalten.... que avanza en su camino hacia la PNL.
Deswegen, Wir freuen uns, Ihnen im Folgenden die Infografik zum NLP-Lernpfad für . präsentieren zu können 2020! Puede descargar una versión de alta AuflösungDas "Auflösung" bezieht sich auf die Fähigkeit, feste Entscheidungen zu treffen und gesetzte Ziele zu erreichen. Im persönlichen und beruflichen Kontext, Dabei geht es darum, klare Ziele zu definieren und einen Aktionsplan zu entwickeln, um diese zu erreichen. Entschlossenheit ist entscheidend für persönliches Wachstum und Erfolg in verschiedenen Lebensbereichen, denn es ermöglicht Ihnen, Hindernisse zu überwinden und sich auf das zu konzentrieren, was wirklich wichtig ist.... aus hier.
