course nlp
1.0.0
このブログ投稿でコースについて知ることができ、すべての講義ビデオはこちらから入手できます。
このコースはもともと、2019年夏のサンフランシスコ大学の科学科学プログラムの修士号で教えられました。このコースは、Sklearn、NLTK、Pytorch、Fastaiなどのライブラリを使用して、Jupyter Notebooksを使用してPythonで教えられています。
次のトピックについて説明します。
1。NLPとは何ですか？
2。NMFおよびSVDを使用したトピックモデリング
3。ナイーブベイズ、ロジスティック回帰、およびngramsによる感情分類
4。regex（およびトークン化の再訪問）
5。深い学習による言語モデリングとセンチメント分類
6。RNNを使用した翻訳
7。トランスアーキテクチャによる翻訳
8。NLPのバイアスと倫理
このコースは、ほとんどの数学コースの運営方法とは異なるトップダウン教育方法で構成されています。通常、ボトムアップアプローチでは、最初に使用するすべての個別のコンポーネントを学習し、次にそれらをより複雑な構造に徐々に構築します。これに関する問題は、学生がしばしばモチベーションを失い、「全体像」の感覚がなく、何が必要かわからないということです。
ハーバード大学のデイビッド・パーキンス教授には本があり、学習全体を類推として野球を使用するものにしています。私たちは、子供たちがゲームをプレイする前に、野球のすべてのルールを記憶し、すべての技術的な詳細を理解することを要求することはありません。むしろ、彼らはそれのまさに一般的な感覚で遊び始め、その後、時間が経つにつれてより多くのルール/詳細を学びます。
fast.aiディープラーニングコースを受講した場合、それが私たちが使用したものです。このブログ投稿や、サンフランシスコマシンラーニングミートアップで行ったこの講演で、私の教育哲学について詳しく知ることができます。
言うまで、最初はすべてを理解していなくても心配しないでください！あなたはそうすることになっていない。いくつかの「ブラックボックス」の使用を開始し、後で低レベルの詳細を掘り下げます。
まず、それらが何であるかではなく、何がするかに焦点を合わせてください。
