Foundations of NLP: Probabilistic Models and Word Embeddings (bằng tiếng Anh).

Làm thế nào các công cụ tìm kiếm dự đoán từ tiếp theo của bạn, và làm thế nào để các công trình kiểm chính tả biết ý bạn muốn gõ? Xử lý ngôn ngữ tự nhiên dựa vào các mô hình xác suất để hiểu được ngôn từ của con người. Bằng cách hiểu được các cấu trúc toán học cốt lõi này, bạn sẽ mở khóa khả năng phân tích, dự đoáin, và biểu diễn văn bản bằng cách tính toán. Chương trình này hướng dẫn bạn qua các khái niệm toán học và thuật toán cơ bản của NLP. Bạn sẽ chuyển từ việc hiểu xác suất văn bản cơ bản sang việc thực hiện các thuật toán cốt lõi giúp nâng cao công nghệ ngôn ngữ hiện đại, thiết lập một nền tảng vững chắc cho AI tiên tiến và học máy. Bạn sẽ học được: - Hiểu lý thuyết xác suất cơ bản và chiến lược token hóa, bao gồm token hóa subword hiện đại, nền tảng cho ngôn ngữ học tính toán. - Tạo ra một hệ thống tự chỉnh sửa sử dụng khoảng cách chỉnh lý tối thiểu và lập trình động. - Apply the Viterbi algorithm and Hidden Markov Models for accurate part-of-speech tagging. - Phát triển các mô hình ngôn ngữ N-gram để dự đoán các từ tiếp theo và thực hiện các tính năng tự hoàn thành. - Tạo từ nhúng bằng cách sử dụng mô hình túi từ liên tục Word2Vec để chụp ý nghĩa ngữ nghĩa. - Tìm hiểu cách các mô hình xác suất cổ điển chuyển đổi thành các biểu diễn vector dựa trên biến đổi hiện đại. Bạn sẽ bắt đầu với thuật ngữ cơ bản và cơ sở xác suất trước khi tiến hành từng bước qua xử lý văn bản, đánh dấu chuỗi, và biểu diễn từ thần kinh. Mỗi khái niệm được bổ sung với những lời giải thích rõ ràng và các đoạn mã Python thực tế được thiết kế để học tập trực tiếp. Chương trình chỉ có văn bản này được thiết kế cho những lập trình viên mới, những người đam mê dữ liệu, và những kỹ sư học máy đầy tham vọng muốn hiểu được cách hoạt động bên trong của NLP. Không cần có kinh nghiệm học máy cao cấp. Bắt đầu hành trình của bạn vào toán học và thuật toán xử lý ngôn ngữ hôm nay.