已完结小说排行榜,穿越小说完本

主頁 > 知識庫 > 想快速入門NLP？我們測評了15門最火課程，幫你找

想快速入門NLP？我們測評了15門最火課程，幫你找

數年前，當小編剛踏足NLP領域時，還沒有太多相關課程，找學習資料就頗費功夫；如今，當網上充斥著各種良莠不齊公開課時，從中挑選一門適合自己的又成了另一種頗費功夫，特別對于選擇困難綜合癥患者。該篇作者根據自己多年的實踐經驗，對網上諸多NLP公開課進行了評分與評論，很有參考價值。此外，作為涉足NLP也有數年的小編，也推薦不妨先挑一門Code-first課，強推Fast.AI，之后再用大學公開課繼續(xù)深入，比如伯克利的Info256 以及斯坦福有名的cs224n，之后想再深入理論可以試試CMU的cs11-747. 接下來，我們就來看看作者對15節(jié)NLP課程的測評~ 如果你的標準很高，那么選擇一門符合你需求的網課就會變成了一件很困難的事。因為大部分網課都不全面，并不值得花太多時間在上面。那么如果有人給你提供了一個關鍵的學習路徑，并告訴你每個模塊講了什么，你該按照什么樣的順序去學習、進階，你會怎么想？那一定是完美！這就是為什么我會寫這篇NLP選課指南，利用了我8年的機器學習實踐經驗作為參考。我個人一共完成或瀏覽了15個最有名的課。在下面這份嚴格的評論中，我將重點放在它們提供的實踐以及商業(yè)知識上。無論你是剛開始接觸NLP還是想在業(yè)務中實現一個最新算法，這篇文章都將為你提供巨大價值。下面就來看一下這條學習路徑，并挑你最感興趣的課程吧！我理想中的NLP課程是這樣的：圍繞著實踐問題展開的；只涵蓋對實踐有用的信息，夾雜一些更深入的理論知識作為補充資料；內容是與時俱進的，至少每次業(yè)界有重大新聞，它都能及時更新相應內容；由一群業(yè)界經驗豐富的專家編寫的；包含能解決業(yè)務實際問題的真實代碼。但理想很豐滿，現實很骨感。代碼至上的網課們 A Code-First Introduction to NLP course 課程鏈接： https://github.com/fastai/course-nlp 授課人：Fast AI 專業(yè)評分：8/10 工具和庫：IPython notebooks, PyTorch, Fast.AI, spacy, sklearn, nltk 我的建議：我個人很享受這種由上而下的學習方式。這門課內容非常扎實（毫無疑問，這是Jeremy Howard本人創(chuàng)建的課程），它很實用且內容在新算法的更新上很及時（最近更新到2019年夏天）。缺點：它缺少一些業(yè)界的實操案例，只關心算法的實際用法。強推這門課！ SpaCy Tutorial 課程鏈接： https://github.com/yuibi/spacy_tutorial 授課人：Yuibi Fujimoto 專業(yè)評分：7/10 工具和庫：spacy，prodigy，sklearn 我的建議：很完整、實用的指南。它只涉及到了spacy，而這也是很多人的真實需求。這門課對內容細節(jié)的把握非常到位。 Natural Language Processing 課程鏈接： https://github.com/yandexdataschool/nlp_course/tree/master 授課人：Yandex 專業(yè)評分：7/10 工具和庫：keras，nltk，gensim，sklearn，bokeh，matplotlib 我的建議：這是一門很新的實戰(zhàn)課程，它涉及到了最重要的一些領域。但同樣地，它也沒有涉及到現實任務的實戰(zhàn)，只是專注于算法原理和它們直接的應用。 Natural Language Processing 課程鏈接： https://www.coursera.org/learn/language-processing 授課人：俄羅斯國立高等經濟大學計算機系（HSE Faculty of Computer Science） / Yandex 專業(yè)評分：3/10 工具和庫: nltk, sklearn, tensorflow, genism,starspace 我的建議：這是一門很簡潔、基礎的課程，它只涉及到一些很基礎的理論。缺點：這門課不是很全面，也缺乏關于最新算法和實際業(yè)務案例內容。而且，它只使用tensorflow，沒有涉及到keras，對于學習深度學習來說，這并不是一個很好的方式。 Advanced NLP with spaCy 課程鏈接： https://course.spacy.io/en/ 授課人：Explosion AI 專業(yè)評分：8/10 工具和庫：spacy 我的建議：這門課也只涉及到spacy，但是范圍更廣。它簡單友好的操作界面深得我心。簡短，但強推的一門課！在評分項目中，也有涉及到業(yè)界實操的內容！ Coursera-Natural Language Processing Certification in TensorFlow 課程鏈接： https://www.coursera.org/learn/natural-language-processing-tensorflow 授課人：Laurence Moroney 專業(yè)評分：2/10 工具和庫：Tensorflow 我的建議：這門簡短的課程介紹了一些基礎知識，比如：分詞、一些基礎的詞嵌入方法和序列模型。授課方式是理論+小測驗。對新手來說，我并不推薦這門課程，因為它缺少太多內容。 Edx-Natural Language Processing Course 課程鏈接： http://www.edx.org/course/natural-language-processing-nlp-2 授課方：微軟專業(yè)評分：7/10 我的建議：這門課程介紹了機器學習和NLP領域中可使用的各種方法，你不光能學到經典算法、深度學習算法，還能了解到深度情感相似模型以及在現實工作中如何使用它們。每個模塊都有自己的測驗和代碼作業(yè)，可以很好地幫助你理解學到的內容。 Codecademy-Natural Language Processing 課程鏈接： https://www.codecademy.com/learn/natural-language-processing 專業(yè)評分：5/10 工具和庫：nltk, re 我的建議：這門課時長約10小時，算是NLP入門級別的課程，內容包含：正則表達式、文本處理、詞向量、tf-idf。是一門更適合完全沒有NLP基礎的人的課程。 DataCamp-Natural Language Processing Fundamentals in Python 課程鏈接： https://www.datacamp.com/courses/natural-language-processing-fundamentals-in-python 授課人：Katharine Jarmul 專業(yè)評分：7/10 工具和庫：nltk, re, genism, polyglot, spacy, sklearn 我的建議：這門課主要講的是如何解決一些小問題。它介紹了一些生成詞向量和預處理的技巧，像tf-idf和spacy。我認為這也是一門比較適合剛入門、需要一些實戰(zhàn)經驗的新手課程。因此我們決定在最后的對比中不把它加入比較。大學公開課伯克利 - Applied Natural Language Processing 課程鏈接： http://people.ischool.berkeley.edu/~dbamman/info256.html 授課人：David Bamman 專業(yè)評分：8/10 我的建議：這門課比較適合有python編程經驗，但不了解nlp的人。在這門課中，你會用到目前流行的python庫，如：sklearn、keras、spacy，去解決分類、回歸問題。我認為，這種強制性的學期制課程比較適合學生黨學習。華盛頓大學（UW） - Natural Language Processing 課程鏈接： https://courses.cs.washington.edu/courses/cse517/17wi/ 授課人：Yejin Choi 專業(yè)評分：6/10 我的建議：這門課面向的是想學習nlp基礎方法理論的新手。這門網課是在2017年錄制的，所以你無法從里面找到任何現在最新的內容。它涉及到的當時（2017）最新的內容有：序列、語義和深度學習相關內容。但我認為，學這門課的人需要在課后有自己的探索和研究，去鞏固學到的知識。牛津 - Deep Learning for Natural Language Processing 課程鏈接： https://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/ 授課人：Phil Blunsom 專業(yè)評分：8/10 我的建議：這門課需要你有機器學習方面的經驗，以及很強的數學背景（包括：概率、線性代數和連續(xù)數學）。你將會學到從RNN、BPTT到針對神經網絡優(yōu)化GPU的很多知識和技能。我建議學完這門課的學生再去學習一下最新的模型和理論，因為它并沒有實時更新相關內容。以色列特拉維夫大學 - Advanced Methods in Natural Language Processing 課程鏈接： https://www.cs.tau.ac.il/~joberant/teaching/nlp_spring_2019/index.html 授課人：Jonathan Berant 專業(yè)評分：7/10 我的建議：這門課教授的是NLP領域中最新的一些方法。它只需要你有一定的機器學習背景，nlp背景并不是必須的。而且，授課方準備了很多值得閱讀的報告，這也非常有助于學習。斯坦福 - From Languages to Information 課程鏈接： https://web.stanford.edu/class/cs124/ 授課人：Dan Jurafsky 專業(yè)評分：6/10 我的建議：雖然這是門NLP課程，但它也涉及到很多機器學習方面的內容。其中，關于社交網絡的內容在其他網課中并沒有很好地展開，可以算是這門課的一個亮點。通過這門課，你可以收獲很廣的知識面，但對于只鉆研nlp的人來說，我并不是很推薦這門課。斯坦福cs224n - Natural Language Processing with Deep Learning 課程鏈接： http://web.stanford.edu/class/cs224n/ 授課人：Chris Manning， Matthew Lamm 專業(yè)評分：8/10 我的建議：這是面向項目的最新課程，包括這個領域的最新進展。要上這門課，你需要有數學和編程的基礎（Python或強大的C++能力）。我只會推薦有一定經驗的人去上這門課，你會從中學到更深入的知識。總結在分析完所有課程后，我得出的結論是：在最新的算法和企業(yè)項目實例方面，沒有任何一門課是足夠全面的。它們大部分都缺少實戰(zhàn)練習，而這大大地阻礙了知識的吸收。現在，讓我們來總結一下工程師在學習一門NLP課程時遇到的主要挑戰(zhàn)：課程內容很快就會過時，我希望它始終包含最新（不一定是復雜的）知識；沒有或過少的實踐練習來增強在課程中學到的理論知識；如果卡住，沒有人能幫助你進行練習；課程以算法原理為重點，而不是如何解決實際問題。許多不合標準的課程甚至都已不再更新。人們掉入了坑中并為此付出代價，卻沒有從中收獲太多實際價值。

標簽：安康香港德州大興安嶺馬鞍山保定江蘇西安

巨人網絡通訊聲明：本文標題《想快速入門NLP？我們測評了15門最火課程，幫你找》，本文關鍵詞想,快速,入門,NLP,我們,測評,；如發(fā)現本文內容存在版權問題，煩請?zhí)峁┫嚓P信息告之我們，我們將及時溝通與處理。本站內容系統采集于網絡，涉及言論、版權與本站無關。

濮阳杆衣贸易有限公司

想快速入門NLP？我們測評了15門最火課程，幫你找

想快速入門NLP？我們測評了15門最火課程，幫你找