NLP Natural Language Processing
1.0.0
- Para obtener tareas completas de ciencia de datos , materiales, etc., verifique el repositorio de ciencias de datos.
- Para los algoritmos de aprendizaje automático, consulte el repositorio de aprendizaje automático.
- Para algoritmos de aprendizaje profundo, consulte el repositorio de aprendizaje profundo.
- Para la visión por computadora , verifique el repositorio de visión por computadora.
Carpetas con todos los materiales para tareas/dominio específico
Técnicas modernas de PNL desde redes neuronales recurrentes e incrustaciones de palabras hasta transformadores y autoatencias. Cubre temas aplicados como preguntas que responden y generan texto.
Esta es una extensión del curso (ml para) de procesamiento del lenguaje natural enseñado en la Escuela de Análisis de Datos de Yandex (YSDA). Por ahora, es probable que solo una parte de los temas se cubra aquí.
Este curso cubrirá las tecnologías de motores de búsqueda, que juegan un papel importante en cualquier aplicación de minería de datos que involucre datos de texto por dos razones. Primero, si bien los datos sin procesar pueden ser grandes para cualquier problema en particular, a menudo es un subconjunto relativamente pequeño de los datos que son relevantes, y un motor de búsqueda es una herramienta esencial para descubrir rápidamente un pequeño subconjunto de datos de texto relevantes en una gran colección de texto. En segundo lugar, se necesitan motores de búsqueda para ayudar a los analistas a interpretar cualquier patrón descubierto en los datos al permitirles examinar los datos de texto originales relevantes para dar sentido a cualquier patrón descubierto. Aprenderá los conceptos básicos, los principios y las principales técnicas en la recuperación de texto, que es la ciencia subyacente de los motores de búsqueda.
Repositorio oficial para el 'procesamiento práctico del lenguaje natural' por O'Reilly Media
Disponible como libro: NLP en Python - Guía QuickStart
| Título | Descripción |
|---|---|
| LCA | en Vimeo |
| [Stanford CS224N: Procesamiento del lenguaje natural con aprendizaje profundo | Invierno 2021] (https://www.youtube.com/playlist?list=ploromVodv4rosh4v6133s9lfprhjembmj) |
| Procesamiento del lenguaje natural (PNL) cero a héroe | por tensorflow |
| Zero to Hero: NLP con TensorFlow y Keras (GDG Sofia Meetup) | |
| Procesamiento del lenguaje natural | Este contenido se basa en la clase de procesamiento de lenguaje natural acelerado de la Universidad de aprendizaje automático (MLU). Diapositivas, cuadernos y conjuntos de datos están disponibles en Github |
Soy científico investigador de Google. Blogue sobre el procesamiento del lenguaje natural y el aprendizaje automático.
Una lista curada de blogs de ingeniería
El gradiente es una organización con las misiones de facilitar que cualquiera aprenda sobre la IA y de facilitar la discusión dentro de la comunidad de IA. Fuimos fundados en 2017 por un grupo de estudiantes e investigadores en el Laboratorio de AI de Stanford.
| Título | Descripción |
|---|---|
| Ejemplos de aprendizaje profundo de Nvidia para núcleos de tensor: procesamiento del lenguaje natural | Ejemplos de aprendizaje profundo |
| Procesamiento del lenguaje natural con transformadores | Cuadernos y materiales para el libro de O'Reilly "Procesamiento del lenguaje natural con transformadores" |
| Referencias impresionantes de PNL | Una lista curada de recursos dedicados a la destilación del conocimiento, el sistema de recomendación, especialmente el procesamiento del lenguaje natural (PNL) |
| PNL - Tutorial | |
| Tutoriales de proceso natural de lenguaje | |
| PNLP con Python | Scikit-Learn, NLTK, Spacy, Gensim, Textblob y más ... |
| PNLP y Data Science Github Repository Spotlight | Factores diarios de algunos repositorios de GitHub de ciencia de datos subestimados y de datos. |
| NLP 101: un repositorio de recursos para el aprendizaje profundo y el procesamiento del lenguaje natural | Este documento está redactado para aquellos que tienen entusiasmo por el aprendizaje profundo en el procesamiento del lenguaje natural. Si hay buenas recomendaciones o sugerencias, intentaré agregar más. |
| PNLP progreso | Repositorio para rastrear el progreso en el procesamiento del lenguaje natural (PNL), incluidos los conjuntos de datos y el estado de arte actual para las tareas más comunes de la PNL. |
| Cara abrazada | Repo público para publicaciones de blog de HF |
| Allennlp | Una biblioteca de investigación de NLP de código abierto, construida en Pytorch. Allenai.org |
Bibliotecas de PNL, marcos, módulos
| Título | Descripción |
|---|---|
| Kit de herramientas de lenguaje natural (NLTK) | NLTK, el kit de herramientas de lenguaje natural, es un conjunto de módulos de Python de código abierto, conjuntos de datos y tutoriales que respaldan la investigación y el desarrollo en el procesamiento del lenguaje natural. |
| instinto |
Un marco muy simple para el procesamiento del lenguaje natural de última generación (PNL). El estilo es: |
| textacy | textacy es una biblioteca de Python para realizar una variedad de tareas de procesamiento del lenguaje natural (PNL), basadas en la biblioteca de Spacy de alto rendimiento. Con los fundamentos, la tokenización, el etiquetado de parte del voz, el análisis de dependencia, etc. --- delegado a otra biblioteca, textacy se centra principalmente en las tareas que vienen antes y siguen después. |
| Allennlp | La Biblioteca de Investigación de NLP, basada en Pytorch, para desarrollar modelos de aprendizaje profundo de última generación en una amplia variedad de tareas lingüísticas. |
| Nlpggym | NLPGYM es un conjunto de herramientas para cerrar la brecha entre las aplicaciones de RL y NLP. Esto tiene como objetivo facilitar la investigación y la evaluación comparativa de la aplicación DRL en las tareas de procesamiento del lenguaje natural. El kit de herramientas proporciona entornos interactivos para tareas NLP estándar, como etiquetado de secuencia, respuesta de preguntas y clasificación de secuencia. |
| Gensim |
| Título | Descripción |
|---|---|
| Tutorial NLP | Tutorial de procesamiento del lenguaje natural para investigadores de aprendizaje profundo |
| Procesamiento del lenguaje natural en el tutorial de Python | Comparación de comediantes de pie utilizando el procesamiento del lenguaje natural |
? 100 documentos de PNL de lectura obligada
? Sci-Hub (documentos)
? Horario del seminario de Stanford, NLP
? CS224N: Procesamiento del lenguaje natural con aprendizaje profundo
? CIS 700-008 - Ficción interactiva y generación de texto
? NLP de Harvard
? El transformador ilustrado
Implementó una red neuronal de flujo de atención bidireccional como una línea de base en el escuadrón, mejorando la implementación del modelo de Chris Chute, agregando entradas de características de palabras como se describe en el documento original y mejorando el código de GauthierdMNS.
