Version 2020 de 100 coups de traitement du langage, qui est célèbre comme une collection de problèmes de traitement du langage naturel, a été publié. Dans cet article, je présenterai 100 exemples de réponses en Python. N'hésitez pas à commenter si vous remarquez des erreurs ou de meilleures façons. Tous les carnets de réponses sont disponibles sur github.
Nous utilisons Google Colaboratory pour obtenir des réponses. Pour plus d'informations sur la configuration et l'utilisation de Google Colaboratory, consultez cet article. Cependant, aucun paramètre spécial n'est requis et vous pouvez l'utiliser immédiatement si vous avez un compte Google.
Passez en revue certains sujets avancés dans les langages de programmation tout en travaillant sur des sujets qui traitent du texte et des chaînes.
Chapitre 1 Questions et réponses
Découvrez les outils UNIX utiles pour la recherche et l'analyse des données. Grâce à ces réimplémentations, vous ferez l'expérience de l'écosystème des outils existants tout en améliorant vos compétences en programmation.
Chapitre 2 Questions et réponses
Diverses informations et connaissances peuvent être extraites en appliquant des expressions régulières à la description du balisage sur la page Wikipédia.
[Chapitre 3 Questions et exemples de réponses] (https://qiita.com/yamaru/items/255d0c5dcb2d1d4ccc14)
Appliquer l'analyseur morphologique au roman "Je suis un chat" de Natsume Soseki et obtenir les statistiques des mots du roman.
[Chapitre 4 Questions et réponses] (https://qiita.com/yamaru/items/e06014b146a18e97ca59)
Appliquer l'analyseur de dépendances à "Je suis un chat" et expérimenter le fonctionnement de l'arbre de dépendances et l'analyse syntaxique.
[Chapitre 5 Questions et réponses] (https://qiita.com/yamaru/items/48dcc527f433c22e0af9)
Créez un classificateur de documents par machine learning. En outre, vous apprendrez à évaluer les méthodes d'apprentissage automatique.
Chapitre 6 Questions et réponses
Apprenez à gérer les vecteurs de mots grâce au calcul de similitude des mots et à l'analogie des mots. De plus, vous ferez l'expérience du clustering et de la visualisation vectorielle.
Chapitre 7 Questions et réponses
Apprenez à utiliser le cadre d'apprentissage profond et à mettre en œuvre la catégorisation basée sur les réseaux de neurones
Chapitre 8 Questions et réponses
Implémenter un réseau de neurones récursifs (RNN) et un réseau de neurones convolutifs (CNN) en utilisant le cadre d'apprentissage profond
Se préparer à répondre
Construisez un modèle de traduction automatique neuronale à l'aide des outils existants.
Se préparer à répondre
Traitement du langage 100 coups sont conçus pour que vous puissiez apprendre non seulement le traitement du langage naturel lui-même, mais également le traitement de données de base et l'apprentissage automatique général. Même ceux qui étudient l'apprentissage automatique dans des cours en ligne pourront pratiquer de très bons résultats, alors essayez-le.
Recommended Posts