学习自然语言处理的 13 门最佳 NLP 课程

这是 NLP 课程和专业的列表,可帮助您开始自然语言处理之旅!

自然语言处理 (NLP) 位于计算机科学和计算语言学的交叉点。 从客户评论的情绪分析到推动营销决策再到机器翻译和聊天机器人,NLP 正在为所有行业提供动力。

如果您有构建机器学习模型的经验,则可以将 NLP 添加到您的工具箱中以解决各种问题:文本摘要、问答、自然语言生成等。

我们将查看 NLP 角色的广泛技能要求,然后继续查看精选资源列表以开始自然语言处理。

NLP 职业道路:NLP 工程师、NLP 开发人员等

研究的进步推动了现代 NLP 技术的发展。 NLP 工程师和开发人员的平均工资超过 117,000 美元,最近越来越受欢迎。

技能集是多种多样的,从下游 NLP 任务的数据收集和语言学概念的应用知识,如依赖解析和词性 (POS) 标记,到转换器模型的应用知识。

要进入 NLP,需要精通编程和机器学习。 您还应该具有深度学习框架(如 PyTorch 和 TensorFlow)以及 NLP 库(如 spaCy 和 HuggingFace)的经验。

自然语言处理 (NLP) 课程

接下来,让我们回顾一下流行学习平台上提供的一些最佳课程。 我们还将说明充分利用这些课程所需的先决条件。 👩‍🏫

CS224n:具有深度学习的 NLP

CS224n:NLP with Deep Learning 由 Chris Manning 教授授课,斯坦福大学提供,是学习自然语言处理的最佳课程之一。 这些讲座可在 YouTube 上找到,课程网站上免费提供当前和以前提供的讲义和练习笔记本。

  如何在 JavaScript (NodeJS) 中使用 techblik.com DNS 查找 API

📋 先决条件

  • Python编程
  • 数学:统计、概率、微积分、线性代数
  • 机器学习基础

这是一门为期一个学期的课程,涵盖广泛的 NLP 主题:

  • 词向量
  • 递归神经网络
  • 注意力和子词模型
  • 变压器及应用

💲 定价:免费 ✅

NLP 专业:Coursera

DeepLearning.AI 在 Coursera 上的自然语言处理专业化是一种流行的学习资源。 该专业旨在通过四门课程教授传统的 NLP 技术以及最新的进展,例如 transformer 和 reformer 模型。

📋 先决条件

  • 中级 Python
  • 机器学习和深度学习框架知识
  • 微积分、线性代数、统计学

以下是该专业的课程:

专业化中的每门课程都需要 30 多个小时才能完成,并且需要几个月的时间才能完成整个专业化。

👩🏽‍💻 以下是您在完成此专业化过程中将构建的一些项目:

  • 文本自动完成模型
  • 使用 BERT 进行问答
  • 文本摘要
  • 使用改革者模型的聊天机器人

TensorFlow 中的自然语言处理:Coursera

如果您已经熟悉 TensorFlow,可以通过 Coursera 上的 DeepLearning.AI 学习 TensorFlow 中的 NLP,使用 TensorFlow 构建 NLP 模型。

📋 先决条件

  • Python 和数学
  • TensorFlow 的应用知识

该课程涵盖以下内容:

  • 使用 TensorFlow API 进行文本标记化和预处理
  • 词嵌入
  • 自然语言生成

序列模型:Coursera

DeepLearning.AI 在 Coursera 上的深度学习专业课程的序列模型课程旨在让学习者在 4 周的时间内掌握 NLP 的工作知识。

📋 先决条件

  • Python
  • 机器学习和线性代数

该课程涵盖 NLP 的序列模型,重点关注以下内容:

  • 用于语言建模的字符级递归神经网络 (RNN)
  • 注意力机制介绍,自注意力和多头注意力
  • 使用 Hugging Face 转换器进行问答

NLP:拥抱的脸

Hugging Face 团队发布了一个免费的 NLP 课程,涵盖了从基础到高级的概念,重点介绍了如何使用 Hugging Face 生态系统。

  10 个最适合您的老式黑胶唱片的转盘

📋 先决条件

  • 精通Python
  • 深度学习的工作知识
  • 使用 PyTorch 和 TensorFlow 的经验(有帮助但不是必需的)

该课程有 12 章,分为三个部分,涵盖以下内容:

  • 使用 Hugging Face 变形金刚
  • 了解数据集和分词器库
  • 变压器的高级应用,优化生产模型

您可以访问简短的视频讲座、基于文本的概念部分和 Colab 笔记本。

💲定价:免费🤗

Google Cloud 上的自然语言处理:Pluralsight

Google Cloud 上的 NLP 向学习者介绍如何在 Google Cloud 平台上使用 Vertex AI 构建 NLP 解决方案。

先决条件:GCP 的应用知识

本课程向学习者介绍以下内容:

  • 文本表示
  • 使用 DialogFlow API
  • 构建神经网络、循环神经网络 (RNN)、长短期记忆 (LSTM) 网络和门控循环单元 (GRU)
  • 使用顶点人工智能
  • 注意力机制和大型语言模型

使用 Azure 构建 NLP 解决方案

使用 Microsoft Azure 构建 NLP 解决方案是 Pluralsight 上基于项目的课程。 在这个基于项目的课程中,您将学习通过处理客户评论的推文数据集来构建 NLP 解决方案。

📋 先决条件

  • Python编程
  • 熟悉 Azure 门户

您将在此过程中执行的关键任务包括:

  • 语言检测
  • 命名实体识别
  • 关键词提取
  • 情绪分析

NLP 与 PyTorch:Pluralsight

NLP with PyTorch on Pluralsight 将帮助您开始使用 NLP。 本课程不涵盖最近的转换器架构,但涵盖了使用 PyTorch 进行自然语言处理的大量基础知识。

先决条件:熟悉 PyTorch

本课程涵盖以下内容:

  • 递归神经网络 (RNN)
  • 二进制和多类文本分类
  • 词向量嵌入
  • 使用词向量进行情感分析
  • 用于语言翻译的序列到序列模型

成为 NLP 专家:Udacity

Becoming a NLP Expert 是优达学城 AI 学院提供的官方自然语言处理纳米学位。 这个纳米学位课程将帮助您学习传统和现代 NLP 技术,例如通过构建项目来关注注意力。

  使用这 6 个模拟器在您的 PC 上运行经典游戏

📋 先决条件

  • Python编程
  • 统计数据
  • 机器学习和深度学习

Udacity 的课程包括视频讲座、编码练习和顶点项目。 在此自然语言处理课程中,您将构建以下项目:

  • 词性标注(词性标注)
  • 端到端机器翻译模型
  • 语音识别模型

NLP 的代码优先介绍

如果您想熟悉 NLP 领域,那么 Fast.ai 的 NLP 代码优先介绍是一门很棒的课程。 本课程由 Rachel Thomas 教授,涵盖自然语言处理的传统方法和神经网络方法。

📋 先决条件

  • Python编程
  • 机器学习概念
  • 使用 PyTorch 的神经网络(有帮助但不是必需的)

以下是课程内容的概述:

  • 传统 NLP:本节介绍使用正则表达式的文本处理、奇异值分解 (SVD) 等矩阵分解技术以及用于文本分类的朴素贝叶斯。
  • NLP 的神经网络方法:课程随后涵盖递归神经网络、seq2seq 模型、注意力机制和转换器模型
  • NLP 中的伦理问题:这门课程也有讲座强调一些源于使用自然语言处理的伦理问题,例如偏见和这种虚假信息。
  • 💲定价:免费

    NLP 与机器学习:教育

    这个 NLP with Machine Learning,由 Educative 着重于让学习者熟悉 NLP 中的重要概念。 从编码面试准备和系统设计到机器学习,Educative 是流行的在线学习平台之一。

    该课程涵盖以下内容:

    • 词嵌入
    • 语言模型
    • 文本分类
    • Seq2seq模型

    Python 中的 NLP:DataCamp

    Datacamp 的 Python 自然语言处理是包含六门课程的结构化技能课程。 这些课程向学习者介绍自然语言处理的不同方面。

    📋 先决条件

    • 精通Python
    • 对机器学习的理解

    该课程包括以下课程:

    NLP课程:Lena Voita

    NLP 课程是作者 Lena Voita 在 Yandex 数据分析学院教授的自然语言处理课程的延伸。 该课程分为几个部分,包含互动课程和博客文章。 此外,还有笔记本和研究论文摘要。

    • 文本分类(传统和神经网络方法)
    • 词嵌入
    • 语言模型的评估
    • Seq2seq模型和注意力
    • NLP 的迁移学习

    💲定价:免费

    结论

    我希望您觉得这份学习资源清单对您有所帮助。 根据先决条件和时间承诺,您可以选择最符合您兴趣的课程或专业。 一旦您获得了基础知识,请务必在真实世界的数据集上构建项目以补充和​​加强您的理解。 编码愉快!👩🏽‍💻

    接下来,查看可用于下一个 NLP 项目的数据科学笔记本列表!