这段文字主要讲述了作者在学习完 Udacity AI nanodegree NLP 部分的 sentiment analysis 后,开始着手进行 machine translation 项目。作者首先介绍了 sentiment analysis 项目的进度,以及 machine translation 项目的背景和重要性。
作者提到了机器翻译领域的研究历史和发展趋势,并以 Google Translate 为例说明了机器翻译技术近年来取得的巨大进步。接着,作者解释了机器翻译的复杂性和挑战性,并提到了不同语言的差异以及机器翻译需要解决的问题。
最后,作者介绍了 Udacity GPU workspace 的使用方法,以及如何利用 AWS 运行 GPU 实例。作者还提到了自己的两个正在运行的 AWS 实例。
总而言之,这段文字主要介绍了作者学习机器翻译项目的背景,以及利用 GPU 资源进行机器翻译项目开发的准备工作。
取得进展了!我正在进行 Udacity AI 纳米学位课程的 NLP 毕业项目,我还弄到了一个白板来练习编码!如果你想在未来看到更多这样的视频,请务必订阅并点击通知铃铛。我的 AI 硕士学位 - https://bit.ly/AIMastersDegree我最喜欢的 AI/ML 课程 - https://bit.ly/AIMLresources节目链接:白板代码的 GitHub 链接 - https://github.com/mrdbourke/Sentiment-Analysis-with-Keras/我在 AIND 中的 NLP 代码 - https://github.com/mrdbourke/AIND-NLP