NLP打怪升级路线图:基础概念、常用方法、最佳模型,知识点全覆盖 | 萌新成长必备

阅读 5
收藏 1
2019-10-13
原文链接:zhuanlan.zhihu.com
栗子 发自 凹非寺
量子位 报道 | 公众号 QbitAI

一只萌新,想把自己修炼成一个成熟的NLP研究人员,要经过一条怎样的路?

有个名叫Tae-Hwan Jung的韩国小伙伴,做了一份完整的思维导图,从基础概念开始,到NLP的常用方法和著名算法,知识点全面覆盖。

可以说,从0到1,你需要的都在这里了:

这份精致的资源刚刚上线,不到一天Reddit热度就超过400,获得了连篇的赞美和谢意:

“肥肠感谢。”“我需要的就是这个!”“哇,真好啊!”

所以,这套丰盛的思维导图,都包含了哪些内容?

四大版块

就算你从前什么都不知道,也可以从第一个版块开始入门:

1 概率&统计

从中间的灰色方块,发散出5个方面:

基础 (Basic) ,采样 (Sampling) 、信息理论 (Information Theory) 、模型 (Model) ,以及贝叶斯 (Bayesian) 。

每个方面,都有许多知识点和方法,需要你去掌握。

毕竟,有了概率统计的基础,才能昂首挺胸进入第二个板块。

2 机器学习

这个版块,一共有7个分支:

线性回归 (Linear Regression) 、逻辑回归 (Logistic Regression) 、正则化 (Regularization) 、非概率 (Non-Probabilistic) 、聚类 (Clustering) 、降维 (Dimensionality Reduction) ,以及训练 (Training) 。

掌握了机器学习的基础知识和常用方法,再正式向NLP进发。

3 文本挖掘

文本挖掘,是用来从文本里获得高质量信息的方法。

图上有6个分支:

基本流程 (Basic Procedure) 、 (Graph) 、文档 (Document) 、词嵌入 (Word Embedding)、序列标注 (Sequential Labeling) ,以及NLP基本假设 (NLP Basic Hypothesis)。

汇集了NLP路上的各种必备工具。

4 自然语言处理

装备齐了,就该实践了。这也是最后一张图的中心思想:

虽然只有4个分支,但内容丰盛。

一是基础 (Basic) ,详细梳理了NLP常用的几类网络:循环模型、卷积模型和递归模型。

二是语言模型 (Language Model) ,包含了编码器-解码器模型,以及词表征到上下文表征 (Word Representation to Contextual Representation) 这两部分。许多著名模型,比如BERTXLNet,都是在这里得到了充分拆解,也是你需要努力学习的内容。

三是分布式表征 (Distributed Representation) ,许多常用的词嵌入方法都在这里,包括GloVeWord2Vec,它们会一个个变成你的好朋友。

四是任务 (Task) ,机器翻译、问答、阅读理解、情绪分析……你已经是合格的NLP研究人员了,有什么需求,就调教AI做些什么吧。

看完脑图,有人问了:是不是要把各种技术都实现一下?

韩国少年说:

不不,你不用把这些全实现一遍。找一些感觉有趣的,实现一波就好了。
△ 作者Tae-Hwan Jung,来自庆熙大学

One More Thing

Reddit楼下,许多小伙伴对这套脑图表示膜拜,并且想知道是用什么做的。

韩国少年说,Balsamiq Mockups

GitHub传送门:

graykode/nlp-roadmap

Reddit传送门:

www.reddit.com/r/MachineLe…

量子位 · QbitAI

վ'ᴗ' ի 追踪AI技术和产品新动态

戳右上角「+关注」获取最新资讯↗↗

如果喜欢,请分享or点赞吧~比心❤

评论