course nlp
1.0.0
이 블로그 게시물의 과정에 대해 확인할 수 있으며 모든 강의 비디오는 여기에서 확인할 수 있습니다.
이 과정은 원래 2019 년 여름 샌프란시스코 대학의 데이터 과학 석사 과학 석사 과정에서 가르쳤습니다.이 과정은 Sklearn, NLTK, Pytorch 및 Fastai와 같은 라이브러리를 사용하여 Jupyter 노트북과 함께 Python에서 가르치고 있습니다.
다음 주제는 다음과 같습니다.
1. NLP 란 무엇입니까?
2. NMF 및 SVD를 통한 주제 모델링
3. 순진한 베이, 로지스틱 회귀 및 ngrams로 감정 분류
4. Regex (및 재 방문 토큰 화)
5. 딥 러닝을 통한 언어 모델링 및 감정 분류
6. RNNS 로의 번역
7. 변압기 아키텍처로 번역
8. NLP의 편견 및 윤리
이 과정은 하향식 교육 방법으로 구성되어 있으며 대부분의 수학 과정이 운영되는 방식과 다릅니다. 일반적으로 상향식 접근 방식에서 먼저 사용할 별도의 모든 구성 요소를 배우고 점차 더 복잡한 구조로 구축합니다. 이것의 문제는 학생들이 종종 동기 부여를 잃고, "큰 그림"에 대한 감각이 없으며, 필요한 것이 무엇인지 모른다는 것입니다.
하버드 교수 데이비드 퍼킨스 (David Perkins)는 책을 가지고 있으며, 그는 야구를 비유로 사용하는 학습 전체를 만들었습니다. 우리는 아이들이 야구의 모든 규칙을 암기하고 게임을하기 전에 모든 기술적 세부 사항을 이해하도록 요구하지 않습니다. 오히려 그들은 정당한 일반적인 감각으로 놀기 시작한 다음 시간이 지남에 따라 점차 더 많은 규칙/세부 사항을 배웁니다.
빠른 딥 러닝 과정을 밟았다면 그것이 우리가 사용한 것입니다. 이 블로그 게시물이나 샌프란시스코 머신 러닝 모임에서 제가 한이 강연에서 내 교육 철학에 대해 더 많이들을 수 있습니다.
말할 것도, 처음에는 모든 것을 이해하지 못하면 걱정하지 마십시오! 당신은해야합니다. 우리는 "블랙 박스"를 사용하기 시작한 다음 나중에 하위 레벨 세부 사항을 파헤칠 것입니다.
시작하려면, 그들이 무엇을하는지가 아니라 무엇을하는지에 집중하십시오.
