微软正式停止支持Windows10最稳定版本v1903

Modern Deep Learning Techniques Applied to Natural Language Processing

by Soujanya Poria and Elvis Saravia

关于NLP的现代方法，我还想推荐我和Soujanya Poria一起整理的这个开放资源。它会引导你了解NLP领域的一些最新发展，从单词嵌入到注意力机制再到强化学习。
 

这是我最喜欢的NLP书籍之一，因为它专注于讨论语言学概念和应用。它涵盖了波束搜索、最大似然估计、矩阵因子化等方法。然后，它解释了如何利用这些方法来解决广泛的任务，如分类、词性标注、关系提取、语言建模等。这本书假定读者具备多元演算和线性代数等知识。这本书直接推荐的一本书是《机器学习数学》一书。与其他书相比，它是一本更高级的教科书，它确实需要对机器学习和数学概念有所了解。

Neural Network Methods in Natural Language Processing (Synthesis Lectures on Human Language Technologies)

by Yoav Goldberg

如果你刚刚开始学习NLP的旅程，你可能已经接触到NLP中更现代的方法，比如RNN和其他基于深度学习的模型。如果您正在寻找关于神经网络理论上的全面综述以及它们如何在NLP中使用，这本书就是为你准备的。在本书中找到的参考文献对我自己的研究起到了重要作用。
 

自2013年以来，我一直在研究自然语言处理(NLP)，当时手动特征工程在机器学习领域非常流行。从那时起，我们已经走了很长一段路。我实际上是为我的博士专门研究信息检索和机器学习技术的，尤其是它们如何应用于社交计算和计算语言学，同时还开发了从大规模基于文本的数据中高效提取信息的方法。我很幸运有将经典机器学习应用于NLP的经验，并亲眼目睹了该领域深度学习的爆炸式增长。

许多学生一直在要求我为如何开始自然语言处理准备指南。这篇博客文章旨在根据研究，对该领域的了解和个人经验来帮助他人。尽管这不是直接指南，但我在此处共享的资源可以帮助您根据需要创建自己的NLP学习路径。这将是我多年来遇到的教育资源的结合。我将分享我在研究这些资源及其适用方面的经验。

这份清单无论如何都不是详尽无遗的，但是它应该提供一些选择，对于任何有兴趣开始使用NLP的人来说都是一个很好的起点。您实际上并不需要消耗所有内容。只需选择适合您当前需求的资源即可。例如，也许您已经有了一些理论基础，而您只需要获得开发生产中的NLP系统的最佳实践。在这种情况下，您可以直接跳至建议，以获取有关NLP技术的动手经验。我只是在介绍我个人学习过的内容，我敢肯定还有很多其他我想念的资源，如果有任何建议，请随时发表评论。

Speech and Language Processing

by Dan Jurafsky and James H. Martin

学习基础知识对于学习任何一门学科都是至关重要的。我是非常推崇这一点的，因为这对我来说很有效。我关注这本书已经有一段时间了，现在已经是第三版了。这本书所涉及的材料写得特别好，为NLP提供了一个很好的理论基础。对于任何想要开始学习NLP的人来说，这有可能是一个很好的起点。即使我已经读过这本书，我也会定期回顾它，因为它定期更新该领域的最新发展。如果你真的很喜欢这本书，你也会发现这些讲座很有用，因为它们确实涵盖了书中所涉及的很多基本主题。
 

在进行多机部署的时候，跟着官方文档走都不能成功，上stackoverflow和github上查了半天也查不到任何解决办法，是经常发生的事情。Docker确实可以降低了运维难度，但是运营成本却提升了。它最大的一个缺点是十分吃硬盘。Docker封装的namespace，并没有对文件进行进一步的管理，只是粗暴的将文件到处复制粘贴。当服务器上开了数百个容器后发现1TB的硬盘被吃掉了一半时，意味着需要不停增加服务器资源才能维持系统的运行。除了磁盘空间的占用外，作为一名中国用户，时区、墙等都是问题。

当然所有问题都是可以解决的，只是比较浪费时间。毋庸置疑Docker是个非常酷的工具，它的优点还是远大于缺点的。但它并不是万能的，当你遇到架构简单，类似数据库+应用程序这种情况可以不用Docker，业务上Docker会占用太多资源的时候也可以考虑不用，因为服务器资源挺贵。

（编辑：柳州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!