用 Python 做深度學習的自然語言處理

本課程由 Udemy 很受好評的 Lazy Programmer Inc 提供，它將引導你完整地實現 word2vec、GLoVe、詞嵌入 ( word embeddings ) 和情緒 ( sentiment ) 分析與遞迴網 ( recursive nets )，以及解決詞性標籤 ( POS，part-of speech tagging ) 和命名實體識別等經典 NLP 問題。

課程介紹影片

從這 12 小時的課程，你會學到

了解並實現 word2vec
了解 word2vec 中的 CBOW 方法
了解 word2vec 中的 skip-gram 方法
了解 word2vec 中的負採樣優化
使用梯度下降和交替最小二乘法 ( ALS，alternating least squares ) 來理解和實現 GLoVe
使用遞迴神經網路( recurrent neural networks ) 進行詞性標籤 ( POS，part-of speech tagging )
使用遞迴神經網路進行命名實體識別
了解並實現情緒分析的遞迴神經網路
理解和實現遞迴神經張量 (tensor) 網路進行情感分析
使用 Gensim 獲取預訓練的單詞向量併計算相似度和類比度( analogies )

要求

安裝 Numpy、Matplotlib、Sci-Kit Learn、Theano 和 TensorFlow（現在應該非常容易）
了解反向傳播 ( backpropagation )和梯度下 (gradient descent)，已有能力自製。
在 Theano 中編寫一個遞迴神經網路
在 Theano 中編寫一個前饋(以預期結果修改/控制程序)神經網路

說明

在本課程中，我們將介紹高級 NLP。

在先修課中，你已經了解了一些基礎知識，比如有多少 NLP 的常見問題其實是一般的機器學習和資料科學問題的偽裝，以及一些簡單實用的方法，如詞袋模型 ( bag-of-words ) 和字詞—文件矩陣 ( term-document matrices)。

這些允許我們做一些非常酷的事情，例如檢測垃圾郵件、寫詩、織出文章，並將類似的詞組合在一起。

在這個課程中，我將向你展示如何做更多很棒的事情。我們在這門課將不僅學習 1 種，而將學習 4 種架構。

首先是 word2vec。

在本課程中，我將向你展示 word2vec 的運作原理，從理論到實現，你將發現它不只是一個你所知的技能的應用。

Word2vec 很有趣，因為它將文字魔術般地映射到可以找到類比的向量空間，如：

king – man = queen – woman
France – Paris = England – London
December – Novemeber = July – June

我們還要看 GLOVe 方法，它也會找到字向量 ( word vectors )，但是使用一種稱為矩陣因子 ( matrix factorization) 分解的技術，這是一種推薦系統的流行的演算法.

令人驚奇的是，由 GLoVe 生成的字向量 ( word vectors ) 和 word2vec 所產生的一樣好且非常容易訓練。

我們還將看一些經典的 NLP 問題，如詞性標籤 ( POS，part-of speech tagging ) 和命名實體識別，並使用遞迴神經網路來解決這些問題。你將看到使用神經網路可以解決任何問題，但你也將了解複雜性過大的危險。

最後，你將了解遞迴神經網路，最終幫助我們解決情緒分析中的否定問題。遞迴神經網路利用句子具有樹狀結構的事實，我們終於不再天真地使用詞袋模型 ( bag-of-words )。

本課程所需的所有材料均可免費下載並安裝。我們將在 Numpy、Matplotlib 和 Theano 做大部分工作。我將一路陪伴你，回答你的問題，並在你資料科學的旅程提供幫助。
本課程重點介紹 “如何建立和理解”，而不僅僅是 “如何使用”。任何人都可以在閱讀一些文件後的15分鐘內學會使用API 。此非關 “記住事實”，而是要通過實驗來“親自了解”。它會教你如何在模型內部做視覺化。如果你想要的不只是一個膚淺的機器學習模型，這個課程是為你設計。

注意 :

本課程的所有程式碼都可從我的github下載：
github: /lazyprogrammer/machine_learning_examples
在此路徑 : nlp_class2
確保你總是 “git pull” ，如此你有最新的版本！

提示（如何於課程中最大獲益）：

以 2x 速度瀏覽
用手寫筆記。這將大大增進你記住資訊的能力。
寫下方程式。如果你不這樣做，我保證只會覺得亂七八糟。
在討論板上提出很多問題。越多越好！
意識到大多數練習將需要幾天或幾週的時間才能完成。
自己編寫程式碼，不要只是坐在那裡看看我寫程式。

修課順序

查看講座 “ What order should I take your courses in?” （可在我的任何課程的附錄中找到，或請參考先修課）

必備的先修硬知識：

微積分 ( calculus )
線性代數 ( linear algebra )
機率 ( probability : conditional 和 joint distributions)
Python 程式設計 : if/else, loops, lists, dicts, sets
Numpy 程式設計: 矩陣 (matrix) 和向量 (vector) 運算, 載入 CSV 檔案
神經網路和反向傳播 ( backpropagation )
能在 Theano 與 TensorFlow 寫前饋神經網路
能在 Theano 與 TensorFlow 寫遞迴神經網路 / LSTM / GRU

目標受眾是？

想要為各種 NLP 任務創建文字轉成向量表示的學生和專業人士
對最先進的神經網路架構感興趣的學生和專業人士，如遞迴神經網路
不應該參與者：任何不滿足先決條件者。

講師簡介

Lazy Programmer Inc 資料科學家和大數據工程師

我是一名資料科學家、大數據工程師和全端軟體工程師。

我擁有計算機工程碩士學位，專門從事機器學習和模式 ( pattern ) 識別。

我曾在網路廣告和數位媒體擔任過資料科學家和大數據工程師，圍繞所述的資料構建各種高流量的 web 服務。我曾經使用 Hadoop / Pig / MapReduce 建立了新的大數據管道，也曾建立了機器學習模型來預測點擊率，使用線性迴歸、Bayesian Bandits 和協作篩選建立新聞推薦系統，並使用A / B測試驗證結果。

我在大學與研究所如哥倫比亞大學、紐約大學、Humber College 和 The New School 教過資料科學、統計學、機器學習、演算法、微積分、電腦圖學和物理學。

多家企業已經從我的 Web 程式設計專業知識中受益。我做所有的後端（伺服器）、前端（HTML / JS / CSS）和操作/佈署工作。我使用的一些技術是：Python、Ruby / Rails、PHP、Bootstrap、jQuery（Javascript）、Backbone 和 Angular。至於儲存/資料庫，我使用MySQL、Postgres、Redis、MongoDB 等。

英文字幕：有

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

點選 ✨ 週四週五兩天大多課程 NT320 優惠連結 ( 需登入 Udemy 取得 )| Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現