Types of Natural Language Processing

Salve e bentornati al corso sull'elaborazione approfondita del linguaggio naturale e discorsi filippici sui tipi di elaborazione del linguaggio naturale. Quindi abbiamo due diagrammi di Venn qui o abbiamo un diagramma di Venn con due cerchi e andremo a esaminare le diverse aree dell'elaborazione del linguaggio naturale che verranno presentate in questo corso. Quindi a sinistra dell'elaborazione del linguaggio naturale in generale e questo si riferisce all'intero cerchio a sinistra. Quindi il motivo per cui abbiamo chiamato proprio questa parte importante è perché non è una parte che si sovrappone. Quindi sappiamo che qualsiasi cosa qui è solo elaborazione del linguaggio naturale. Ci siamo evoluti con disprezzo per il secondo cerchio. Ma l'elaborazione del linguaggio naturale è davvero tutto ciò che è in questo cerchio. Poi abbiamo avuto il giusto apprendimento profondo. Quindi questi sono tutti algoritmi che hanno qualcosa a che fare con l'apprendimento profondo delle reti neurali. Fondamentalmente tutto ciò che viene chiamato più profondo o un algoritmo cade qui. Non devono essere elaborati in linguaggio naturale. Possono essere classificati perché possono essere qualsiasi cosa così possono essere più profondi qui e l'elaborazione del linguaggio naturale è qualsiasi algoritmo qualsiasi mortale che abbia qualcosa a che fare con l'elaborazione del linguaggio naturale in termini di macchina. E poi, finalmente, nella sovrapposizione, abbiamo un profondo e tutto. Quindi questi sono modelli che hanno a che fare con l'elaborazione del linguaggio naturale, ma anche quali sono l'apprendimento profondo più che sono reti neurali. E così questa è la parte che stiamo per mirare, ma è anche molto buona avere visibilità su tutti e tre. Perché in questo corso parleremo di alcuni modelli che rientrano proprio qui e quindi ne parleremo qui e sarà bello confrontare e vedere come il mondo è cambiato nel tempo e perché questi modelli sono spesso migliori di questi modelli. E l'altra cosa da notare qui è che le dimensioni di questi diagrammi non riflettono l'importanza oi volumi di questi diversi campi, quindi ho appena detto cerchi delle stesse dimensioni semplicemente perché vogliamo una rappresentazione visiva di tutte le sovrapposizioni e che questi i campi esistono ma non tengono conto delle dimensioni. Non è in scala affatto. E infine c'è un'altra parte di questo diagramma di eventi che è molto importante per noi ed è questa parte qui sotto una sezione della sequenza profonda e Piccola per sequenziare sequenze in sequenza modelli del modello più all'avanguardia i modelli più potenti che esiste al momento per l'elaborazione del linguaggio naturale. Ed è quello che vedremo. Quindi, come vedrai durante questo corso, ci faremo strada attraverso il lato naturale del processo di elaborazione delle cose e per approfondire O. P. e poi andremo in sequenza in sequenza. Sarà un viaggio divertente ed eccitante. E l'altra cosa che volevo menzionare è che noterai che durante questo corso anche se è focalizzato su Chadwell, quindi non parleremo solo di chat bot. Vedremo diversi esempi di come questi modelli da qui o da qui e da qui possono essere applicati a cose diverse perché le applicazioni sono enormi. Pensiamo di poterli applicare in una traduzione di neuro machine naturale, possiamo applicarli in sottotitoli di immagini, applicarli in domande di riconoscimento vocale e risposte, molti e tanti modelli di riepilogo, quindi ne vedremo di diversi e saranno di diversi tipi . Quindi questa mappa tornerà utile man mano che andremo attraverso il corso e comparirà qua e là. Quindi penso che fosse molto importante per noi impostare le fondamenta in modo che ora siamo pronti per procedere. E non vedo l'ora di vederti nel prossimo tutorial e fino ad allora godermi l'elaborazione profonda e naturale del linguaggio.