學習自然語言處理的 13 門最佳 NLP 課程

已發表: 2022-11-24

這是 NLP 課程和專業的列表，可幫助您開始自然語言處理之旅！

自然語言處理 (NLP)位於計算機科學和計算語言學的交叉點。從客戶評論的情緒分析到推動營銷決策再到機器翻譯和聊天機器人，NLP 正在為所有行業提供動力。

如果您有構建機器學習模型的經驗，則可以將 NLP 添加到您的工具箱中以解決各種問題：文本摘要、問答、自然語言生成等。

我們將查看 NLP 角色的廣泛技能要求，然後繼續查看精選資源列表以開始自然語言處理。

NLP 職業道路：NLP 工程師、NLP 開發人員等

研究的進步推動了現代 NLP 技術的發展。 NLP 工程師和開發人員的平均工資超過 117,000 美元，最近越來越受歡迎。

技能集是多種多樣的，從下游 NLP 任務的數據收集和語言學概念的應用知識，如依賴解析和詞性 (POS) 標記，到轉換器模型的應用知識。

進入NLP，熟練編程和機器學習是必須的。您還應該具有深度學習框架（如 PyTorch 和 TensorFlow）以及 NLP 庫（如 spaCy 和 HuggingFace）的經驗。

自然語言處理 (NLP) 課程

接下來，讓我們回顧一下流行學習平台上提供的一些最佳課程。我們還將說明充分利用這些課程所需的先決條件。

CS224n：具有深度學習的 NLP

CS224n：NLP with Deep Learning 由 Chris Manning 教授授課，斯坦福大學提供，是學習自然語言處理的最佳課程之一。這些講座可在 YouTube 上找到，課程網站上免費提供當前和以前提供的講義和練習筆記本。

先決條件

Python編程
數學：統計、概率、微積分、線性代數
機器學習基礎

這是一門為期一個學期的課程，涵蓋廣泛的 NLP 主題：

詞向量
遞歸神經網絡
注意力和子詞模型
變壓器及應用

定價: 免費

NLP 專業：Coursera

DeepLearning.AI 在 Coursera 上的自然語言處理專業化是一種流行的學習資源。該專業旨在通過四門課程教授傳統的 NLP 技術以及最新的進展，例如 transformer 和 reformer 模型。

先決條件

中級 Python
機器學習和深度學習框架知識
微積分、線性代數、統計學

以下是該專業的課程：

具有分類和向量空間的 NLP
具有概率模型的 NLP
具有序列模型的 NLP
具有註意力模型的 NLP

專業化中的每門課程都需要 30 多個小時才能完成，並且需要幾個月的時間才能完成整個專業化。

以下是您在完成此專業化過程中將構建的一些項目：

文本自動完成模型
使用 BERT 進行問答
文本摘要
使用改革者模型的聊天機器人

TensorFlow 中的自然語言處理：Coursera

如果您已經熟悉 TensorFlow，可以通過 Coursera 上的 DeepLearning.AI 學習 TensorFlow 中的 NLP，使用 TensorFlow 構建 NLP 模型。

先決條件

Python 和數學
TensorFlow 的應用知識

該課程涵蓋以下內容：

使用 TensorFlow API 進行文本標記化和預處理
詞嵌入
自然語言生成

序列模型：Coursera

DeepLearning.AI 在 Coursera 上的深度學習專業課程的序列模型課程旨在讓學習者在 4 週的時間內掌握 NLP 的工作知識。

先決條件

Python
機器學習和線性代數

該課程涵蓋 NLP 的序列模型，重點關注以下內容：

用於語言建模的字符級遞歸神經網絡 (RNN)
注意力機制介紹，自註意力和多頭注意力
使用 Hugging Face 轉換器進行問答

NLP：擁抱的臉

Hugging Face 團隊發布了一個免費的 NLP 課程，涵蓋了從基礎到高級的概念，重點介紹瞭如何使用 Hugging Face 生態系統。

先決條件

精通Python
深度學習的工作知識
使用 PyTorch 和 TensorFlow 的經驗（有幫助但不是必需的）

該課程有 12 章，分為三個部分，涵蓋以下內容：

使用 Hugging Face 變形金剛
了解數據集和分詞器庫
變壓器的高級應用，優化生產模型

您可以訪問簡短的視頻講座、基於文本的概念部分和 Colab 筆記本。

定價: 免費

Google Cloud 上的自然語言處理：Pluralsight

Google Cloud 上的 NLP 向學習者介紹如何在 Google Cloud 平台上使用 Vertex AI 構建 NLP 解決方案。

先決條件：GCP 的工作知識

本課程向學習者介紹以下內容：

文本表示
使用 DialogFlow API
構建神經網絡、循環神經網絡 (RNN)、長短期記憶 (LSTM) 網絡和門控循環單元 (GRU)
使用頂點人工智能
注意力機制和大型語言模型

使用 Azure 構建 NLP 解決方案

使用 Microsoft Azure 構建 NLP 解決方案是 Pluralsight 上基於項目的課程。在這個基於項目的課程中，您將學習通過處理客戶評論的推文數據集來構建 NLP 解決方案。

先決條件

Python編程
熟悉 Azure 門戶

您將在此過程中執行的關鍵任務包括：

語言檢測
命名實體識別
關鍵詞提取
情緒分析

NLP 與 PyTorch：Pluralsight

NLP with PyTorch on Pluralsight 將幫助您開始使用 NLP。本課程不涵蓋最近的轉換器架構，但涵蓋了使用 PyTorch 進行自然語言處理的大量基礎知識。

先決條件：熟悉 PyTorch

本課程涵蓋以下內容：

遞歸神經網絡 (RNN)
二進制和多類文本分類
詞向量嵌入
使用詞向量進行情感分析
用於語言翻譯的序列到序列模型

成為 NLP 專家：Udacity

Becoming a NLP Expert 是優達學城 AI 學院提供的官方自然語言處理納米學位。這個納米學位課程將幫助您學習傳統和現代 NLP 技術，例如通過構建項目來關註註意力。

先決條件

Python編程
統計數據
機器學習和深度學習

Udacity 的課程包括視頻講座、編碼練習和頂點項目。在此自然語言處理課程中，您將構建以下項目：

詞性標註（詞性標註）
端到端機器翻譯模型
語音識別模型

NLP 的代碼優先介紹

如果您想熟悉 NLP 領域，那麼 Fast.ai 的 NLP 代碼優先介紹是一門很棒的課程。本課程由 Rachel Thomas 教授，涵蓋自然語言處理的傳統方法和神經網絡方法。

先決條件

Python編程
機器學習概念
使用 PyTorch 的神經網絡（有幫助但不是必需的）

以下是課程內容的概述：

傳統 NLP ：本節介紹使用正則表達式的文本處理、奇異值分解 (SVD) 等矩陣分解技術以及用於文本分類的樸素貝葉斯。
NLP 的神經網絡方法：課程隨後涵蓋遞歸神經網絡、seq2seq 模型、注意力機制和轉換器模型
NLP 中的倫理問題：本課程也有講座強調使用自然語言處理產生的一些倫理問題，例如偏見和這種虛假信息。

定價: 免費

NLP 與機器學習：教育

這個 NLP with Machine Learning，由 Educative 著重於讓學習者熟悉 NLP 中的重要概念。從編碼面試準備和系統設計到機器學習，Educative 是流行的在線學習平台之一。

該課程涵蓋以下內容：

詞嵌入
語言模型
文本分類
Seq2seq模型

Python 中的 NLP：DataCamp

Datacamp 的 Python 自然語言處理是包含六門課程的結構化技能課程。這些課程向學習者介紹自然語言處理的不同方面。

先決條件

精通Python
對機器學習的理解

該課程包括以下課程：

Introduction to NLP in Python：學習 NLP 基礎知識，例如正則表達式和基於規則的方法。
Python 中的情感分析：在真實世界的數據集上構建端到端的情感分析模型，例如電影評論、亞馬遜產品評論和推文。
在 Python 中構建聊天機器人：使用 scikit-learn、spaCy 和 Rasa NLU 庫構建聊天機器人。
Advanced NLP with spaCy：使用 spaCy 為命名實體識別等任務構建自然語言處理管道。
Spoken Language Processing in Python：學習在 Python 中構建語音識別模型。
Python 中 NLP 的特徵工程：學習從文本數據中提取特徵的技術。

NLP課程：Lena Voita

NLP 課程是作者 Lena Voita 在 Yandex 數據分析學院教授的自然語言處理課程的延伸。該課程分為幾個部分，包含互動課程和博客文章。此外，還有筆記本和研究論文摘要。

文本分類（傳統和神經網絡方法）
詞嵌入
語言模型的評估
Seq2seq模型和注意力
NLP 的遷移學習

定價: 免費

結論

我希望您覺得這份學習資源清單對您有所幫助。根據先決條件和時間承諾，您可以選擇最符合您興趣的課程或專業。一旦您獲得了基礎知識，請務必在真實世界的數據集上構建項目以補充和加強您的理解。編碼愉快！

接下來，查看可用於下一個 NLP 項目的數據科學筆記本列表！