10 如何入门自然语言处理--从菜鸟到老鸟的学习大纲

我是菜鸟，接下来准备按照这个路线先学起来了。希望能在2024年6月底之前，入门NLP。

• 开发基础

  人工智能开发入门：从人工智能Python语言入手，掌握Python基础语法，对后续学习打下坚实基础。

  • python编程

    • 基本语法

    • 数据结构

    • 函数

    • 面向对象

    • 多任务

    • 模块与包

    • 闭包

    • 装饰器

    • 迭代器

  • Numpy矩阵运算

    • Nadrray

    • Scalars

    • Boradcasting

    • 矩阵运算

    • 矩阵转置

    • 矩阵求逆

  • Scipy数值运算库

    • Scipy基本使用

    • Scipy常量

    • Scipy稀疏矩阵

    • Scipy图结构

    • Scipy空间

    • Scipy插值

  • Pandas数据科学库

    • 自带数据结构

    • 数据读取写入

    • 数据清洗

    • 数据计算

    • 数据合并

    • 数据排序

  • Matplotlib

    • 基础图表

    • 基础图表

    • Annotation

    • Figure

    • 子图

    • Legend

  • Seaborn

    • 数据关系图

    • 数据分布图

    • 类别图

    • 回归图

    • 矩阵图

    • 多变量关系

  • PyEcharts

    • 基本使用

    • 图表API

    • 组合图表

    • 其他资源

    • 图表类型

    • Web框架整合

• 机器学习核心技术

  机器学习核心技术：掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘类岗位，据相关招聘网站显示薪资可达到15K-20K。

  • Scikit Learn

    • 聚类算法API数据预处理分类算法API回归算法API

  • 分类算法

    • 决策树

    • KNN

    • Adaboost

    • 随机森林

    • 逻辑回归

    • 朴素贝叶斯

    • GBDT

    • XGboost

    • LightGBM

  • 回归算法

    • 线性回归

    • Lasso回归

    • 决策树回归

    • 随机森林回归

    • XGboost回归

  • 聚类算法

    • KMeans

    • KMeans++

    • GMM

    • 基于层次聚类

    • 基于密度聚类

    • DBSCAN

  • 属性降维

    • 属性降维

    • 特征选择

    • 因子分析

    • PCA

    • ICA

    • LDA

  • 模型选择

    • Metrics

    • Scoring模型得分

    • Grid search 网格搜索

    • Cross Validation 交叉验证

    • Hyper-Parameters 超参数选择

    • Validation curves 模型验证曲线

  • 特征工程

    • Standardization标准化

    • Scaling Features归一化

    • Non-linear transformation非线性转化

    • Gaussian distribution高斯分布转化

    • Normalization正则化

    • Encoding categorical features类别性编码处理

• 深度学习核心技术

  深度学习核心技术：掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。

  • 人工神经网络

    • 损失函数

    • 激活函数

    • Back Propagation

    • 优化方法及正则化

  • BP神经网络

    • 网络基本结构

    • 正向计算

    • 链式法则

    • 权重更新

    • Sigmoid函数

    • 梯度消失/爆炸

    • Batch Normalization

  • CNN卷积神经网络

    • 局部感受野

    • 权值共享

    • DropOut

    • 卷积层

    • 池化层

    • 全连接层

  • RNN循环神经网络

    • 梯度裁剪

    • 双向长短时记忆网络（BiLSTM）

    • 长短时记忆网络（LSTM）

    • 门控神经网络(GRU)

• NLP自然语言处理技术

  NLP自然语言处理技术：本阶段课程将掌握突破市场更高年薪的NLP技术，学生可应对市场上NLP工程师，根据市场反馈薪资可突破30K。

  • Pytorch编程

    • 定义损失函数

    • 自动微分功能

    • 定义优化器

    • 定义模型结构

  • 传统序列模型

    • 隐马尔科夫模型

    • 条件随机场

    • 原理与实践

    • CRF与HMM区别

  • Transfomer原理

    • 编码器

    • 解码器

    • 注意力机制

    • 语言模型

    • 模型超参数

    • 模型验证

  • 文本预处理

    • 文本处理基本方法

    • 文本张量表示方法

    • 文本语料数据分析

    • 数据增强方法

    • 命名实体识别

    • Word Embedding词嵌入

  • RNN及变体

    • 传统RNN

    • LSTM

    • Bi-LSTM

    • GRU

    • Bi-GRU

    • Seq2Seq

  • 迁移学习

    • FastText

    • 预训练模型

    • Google BERT

    • GPT

    • GPT-2

    • 权重微调

• CV计算机视觉技术

  CV计算机视觉技术：掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，学生可应对市场上CV工程师岗位，根据互联网人才招聘数据显示薪资可达20K以上。

  • OpenCV图像处理

    • 读写图像

    • 灰度变换

    • 几何变换

    • 形态学

    • 纹理分割

    • 视频操作

    • 边缘检测技术

    • 特征检测和描述

  • Tensorflow编程

    • 张量

    • 变量

    • 高阶API

    • tf.data

    • tf.keras

  • 目标分类

    • 卷积计算方法

    • 多通道卷积

    • AlexNet

    • VGG

    • ResNet残差网络

    • ImageNet分类

  • 目标检测

    • RCNN

    • FPN

    • SSD

    • ROI Pooling

    • FasterRCNN

    • 非极大抑制NMS

  • 目标分割

    • 全卷积

    • ROI Align

    • DeepLab

    • MaskRCNN

    • 金字塔池化模块

    • 语义分割评价标准