从概率统计到深度学习，四大技术路线图谱，都在这里！-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

自然语言处理路线图详解，从数学基础、语言基础到模型和算法，这是你该了解的知识领域。

自然语言处理很多时候都是一门综合性的学问，它远远不止机器学习算法。相比图像或语音，文本的变化更加复杂，例如从预处理来看，NLP 就要求我们根据对数据的理解定制一种流程。而且相比图像等更偏向感知的智能，自然语言包含更高一级的智能能力，不论是承载思想、情感还是推理。

那么我们该怎样学习自然语言处理，有什么比较好的路线吗？通常而言，在数学和机器学习的基础上，我们还需要了解自然语言的规则与现象，这样才能进一步探讨该怎样处理自然语言。

本文介绍刚刚发布的一个开源项目，韩国庆熙大学本科生 Tae-Hwan Jung 总结了一套 NLP 的技术路线图。值得注意的是，Tae-Hwan Jung 此前已经开源了很多优秀的项目，包括 4.3k+ star 量的 NLP 教程。

项目地址：https://github.com/graykode/nlp-roadmap

Tae-Hwan Jung 表示，本项目面向对 NLP 感兴趣的学生，该路线图提供了学习 NLP 的思维导图及关键词信息，它覆盖了从概率/统计到 SOTA NLP 模型的素材。

如上所示为 NLP 的技术基石，最基础的当然还是数学和算法方面的知识，此外语言学和机器学习知识也必不可少。再往上主要是文本挖掘与 NLP，在作者看来，前者更偏向于常规的算法与浅层机器学习模型，后者更偏向于深度学习模型。

四大技术线路图

如下从概率和统计到深度学习方法展示了四大技术路线图，它们从基石到高层展示了完整的知识领域。

概率与统计

机器学习

文本挖掘

自然语言处理

注意：

关键词之间的关系可能解释得比较模糊，因为是以语义思维导图的方式表示的。
读者们只需要看方框内的关键词就行，把它们当作必学部分；
在一张图中容纳如此多的关键词和知识点，非常的难，因此，请切记该路线图只是一种思路或者建议；

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

从概率统计到深度学习，四大技术路线图谱，都在这里！

添加附言

相关文章推荐