最新消息:20210816 当前crifan.com域名已被污染,为防止失联,请关注(页面右下角的)公众号

【NLP培训教程学习笔记:第1节 » 课时1 NLP发展历史介绍和展望】

教程 crifan 259浏览 0评论
【记录】NLP培训教程 学习过程
期间:
NLP发展历史介绍和展望 – NLP工程师入门实践:基于深度学习的自然语言处理 – AI慕课学院_专注AI人工智能在线教育 – AI慕课学院
  • NLP发展现状
    • 基于Deep Learning的NLP的最近趋势
    • GPU计算性能提升
  • 传统NLP方法面临的挑战
  • Big Data和Deep Learning给NLP带来的变革和机遇
  • NLP的发展趋势,以及各行各业中的应用
  • 数据挖掘Data Mining
  • 文本挖掘Text Mining
  • 文本分析Text Analytics
grouping
图像识别/分类
无监督的机器翻译
基于视频或图片的问答 visual question answering
chatbot
机器学习的一个问题:sparsity稀疏
一些Challenge:
Co-Reference Resolution 指代消解
  • StanfordCoreNlp
  • FudanNlp
  • OpenNlp
  • LTP
  • 大数据= 大 + 数据
    • Volume数量大
    • Velocity速度
      • 高效efficiency
      • 即时realtime
      • 动态dynamic
      • 预测性predictive
    • Variety类别多
普通大众:Big Data
学术界一般叫做:Large-Scale Data
Deep NLP= Deep Learning + NLP
NLP用途之一:垃圾邮件过滤
Representation 表现
Representation==features==code
主要就两个:CNN RNN
其他改进很多
Differentiable Programming 微分编程?
  • Caffee
  • Pytorch
  • TensorFLow
深度网络的目标:学习到feature特征
Discriminative vs Generative Models
尤其是 最近出现的对抗网络:GAN
  • Generative
    • 联合概率
    • 用途:分类
  • Discriminative
    • 条件概率
    • 用途:判别
大部分的都可以用这两种:
  • RNN = Recurrent Neural Network
    • 机器翻译
    • QA问答系统
    • 自动生成图像描述
  • CNN=Convolutional Neural Network
    • 句子/文本分类
    • 关系提取和分类
    • 垃圾邮件检测
    • 查询分类?
    • 语义关系提取
VQA=Visual QA=Visual question answering

转载请注明:在路上 » 【NLP培训教程学习笔记:第1节 » 课时1 NLP发展历史介绍和展望】

发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
84 queries in 0.115 seconds, using 20.69MB memory