其他
干货福利|15门最好的NLP入门专讲课大搜集！
前几天发了一篇干货福利| 最全计算语言学（包括NLP实践）自学路线！得到很多读者的反馈，但是好像很多人觉得对NLP还是不能很好地理解和入门，这篇文章是小编亲自测评，能对之前的内容做一个很好的补充，欢迎大家收藏和阅读。
转自：大数据文摘|bigdatadigest
数年前，当小编刚踏足NLP领域时，还没有太多相关课程，找学习资料就颇费功夫；如今，当网上充斥着各种良莠不齐公开课时，从中挑选一门适合自己的又成了另一种颇费功夫，特别对于选择困难综合症患者。
该篇作者根据自己多年的实践经验，对网上诸多NLP公开课进行了评分与评论，很有参考价值。此外，作为涉足NLP也有数年的小编，也推荐不妨先挑一门Code-first课，强推Fast.AI，之后再用大学公开课继续深入，比如伯克利的Info256 以及斯坦福有名的cs224n，之后想再深入理论可以试试CMU的cs11-747.
如果你的标准很高，那么选择一门符合你需求的网课就会变成了一件很困难的事。因为大部分网课都不全面，并不值得花太多时间在上面。
那么如果有人给你提供了一个关键的学习路径，并告诉你每个模块讲了什么，你该按照什么样的顺序去学习、进阶，你会怎么想？那一定是——完美！
这就是为什么我会写这篇NLP选课指南，利用了我8年的机器学习实践经验作为参考。我个人一共完成或浏览了15个最有名的课。在下面这份严格的评论中，我将重点放在它们提供的实践以及商业知识上。 无论你是刚开始接触NLP还是想在业务中实现一个最新算法，这篇文章都将为你提供巨大价值。下面就来看一下这条学习路径，并挑你最感兴趣的课程吧！
我理想中的NLP课程是这样的：
围绕着实践问题展开的； 只涵盖对实践有用的信息，夹杂一些更深入的理论知识作为补充资料； 内容是与时俱进的，至少每次业界有重大新闻，它都能及时更新相应内容； 由一群业界经验丰富的专家编写的； 包含能解决业务实际问题的真实代码。
但理想很丰满，现实……很骨感。
代码至上的网课们
A Code-First Introduction to NLP course
课程链接：https://github.com/fastai/course-nlp
授课人：Fast AI专业评分：8/10工具和库：IPython notebooks, PyTorch, Fast.AI, spacy, sklearn, nltk
我的建议：我个人很享受这种由上而下的学习方式。这门课内容非常扎实（毫无疑问，这是Jeremy Howard本人创建的课程），它很实用且内容在新算法的更新上很及时（最近更新到2019年夏天）。
缺点：它缺少一些业界的实操案例，只关心算法的实际用法。
强推这门课！
SpaCy Tutorial
课程链接：https://github.com/yuibi/spacy_tutorial
授课人：Yuibi Fujimoto专业评分：7/10工具和库：spacy，prodigy，sklearn
我的建议：很完整、实用的指南。它只涉及到了spacy，而这也是很多人的真实需求。这门课对内容细节的把握非常到位。
Natural Language Processing
课程链接：https://github.com/yandexdataschool/nlp_course/tree/master
授课人：Yandex专业评分：7/10工具和库：keras，nltk，gensim，sklearn，bokeh，matplotlib
我的建议：这是一门很新的实战课程，它涉及到了最重要的一些领域。但同样地，它也没有涉及到现实任务的实战，只是专注于算法原理和它们直接的应用。
Natural Language Processing
课程链接：https://www.coursera.org/learn/language-processing
授课人：俄罗斯国立高等经济大学计算机系（HSE Faculty of Computer Science） / Yandex专业评分：3/10工具和库: nltk, sklearn, tensorflow, genism,starspace
我的建议：这是一门很简洁、基础的课程，它只涉及到一些很基础的理论。 缺点：这门课不是很全面，也缺乏关于最新算法和实际业务案例内容。而且，它只使用tensorflow，没有涉及到keras，对于学习深度学习来说，这并不是一个很好的方式。
Advanced NLP with spaCy
课程链接：https://course.spacy.io/en/
授课人：Explosion AI专业评分：8/10工具和库：spacy
我的建议：这门课也只涉及到spacy，但是范围更广。它简单友好的操作界面深得我心。简短，但强推的一门课！在评分项目中，也有涉及到业界实操的内容！
Coursera-Natural Language Processing Certification in TensorFlow
授课人：Laurence Moroney 专业评分：2/10工具和库：Tensorflow
我的建议：这门简短的课程介绍了一些基础知识，比如：分词、一些基础的词嵌入方法和序列模型。授课方式是理论+小测验。对新手来说，我并不推荐这门课程，因为它缺少太多内容。
Edx-Natural Language Processing Course
课程链接：http://www.edx.org/course/natural-language-processing-nlp-2
授课方：微软专业评分：7/10
我的建议：这门课程介绍了机器学习和NLP领域中可使用的各种方法，你不光能学到经典算法、深度学习算法，还能了解到深度情感相似模型以及在现实工作中如何使用它们。每个模块都有自己的测验和代码作业，可以很好地帮助你理解学到的内容。
Codecademy-Natural Language Processing
课程链接：https://www.codecademy.com/learn/natural-language-processing
专业评分：5/10工具和库：nltk, re
我的建议：这门课时长约10小时，算是NLP入门级别的课程，内容包含：正则表达式、文本处理、词向量、tf-idf。是一门更适合完全没有NLP基础的人的课程。
DataCamp-Natural Language Processing Fundamentals in Python
课程链接：https://www.datacamp.com/courses/natural-language-processing-fundamentals-in-python
授课人：Katharine Jarmul专业评分：7/10工具和库：nltk, re, genism, polyglot, spacy, sklearn 我的建议：这门课主要讲的是如何解决一些小问题。它介绍了一些生成词向量和预处理的技巧，像tf-idf和spacy。我认为这也是一门比较适合刚入门、需要一些实战经验的新手课程。因此我们决定在最后的对比中不把它加入比较。
大学公开课
伯克利 - Applied Natural Language Processing
课程链接：http://people.ischool.berkeley.edu/~dbamman/info256.html
授课人：David Bamman 专业评分：8/10 我的建议： 这门课比较适合有python编程经验，但不了解nlp的人。在这门课中，你会用到目前流行的python库，如：sklearn、keras、spacy，去解决分类、回归问题。我认为，这种强制性的学期制课程比较适合学生党学习。
华盛顿大学（UW） - Natural Language Processing
课程链接：https://courses.cs.washington.edu/courses/cse517/17wi/
授课人：Yejin Choi专业评分：6/10
我的建议：这门课面向的是想学习nlp基础方法理论的新手。这门网课是在2017年录制的，所以你无法从里面找到任何现在最新的内容。它涉及到的当时（2017）最新的内容有：序列、语义和深度学习相关内容。但我认为，学这门课的人需要在课后有自己的探索和研究，去巩固学到的知识。
牛津 - Deep Learning for Natural Language Processing
课程链接：https://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/
授课人：Phil Blunsom专业评分：8/10
我的建议：这门课需要你有机器学习方面的经验，以及很强的数学背景（包括：概率、线性代数和连续数学）。你将会学到从RNN、BPTT到针对神经网络优化GPU的很多知识和技能。我建议学完这门课的学生再去学习一下最新的模型和理论，因为它并没有实时更新相关内容。
以色列特拉维夫大学 - Advanced Methods in Natural Language Processing
课程链接：https://www.cs.tau.ac.il/~joberant/teaching/nlp_spring_2019/index.html
授课人：Jonathan Berant专业评分：7/10
我的建议：这门课教授的是NLP领域中最新的一些方法。它只需要你有一定的机器学习背景，nlp背景并不是必须的。而且，授课方准备了很多值得阅读的报告，这也非常有助于学习。
斯坦福 - From Languages to Information
课程链接：https://web.stanford.edu/class/cs124/
授课人：Dan Jurafsky专业评分：6/10
我的建议：虽然这是门NLP课程，但它也涉及到很多机器学习方面的内容。其中，关于社交网络的内容在其他网课中并没有很好地展开，可以算是这门课的一个亮点。通过这门课，你可以收获很广的知识面，但对于只钻研nlp的人来说，我并不是很推荐这门课。
斯坦福cs224n - Natural Language Processing with Deep Learning
课程链接：http://web.stanford.edu/class/cs224n/
授课人：Chris Manning， Matthew Lamm专业评分：8/10
我的建议：这是面向项目的最新课程，包括这个领域的最新进展。要上这门课，你需要有数学和编程的基础（Python或强大的C++能力）。我只会推荐有一定经验的人去上这门课，你会从中学到更深入的知识。
总结
在分析完所有课程后，我得出的结论是：在最新的算法和企业项目实例方面，没有任何一门课是足够全面的。它们大部分都缺少实战练习，而这大大地阻碍了知识的吸收。
现在，让我们来总结一下工程师在学习一门NLP课程时遇到的主要挑战：
课程内容很快就会过时，我希望它始终包含最新（不一定是复杂的）知识； 没有或过少的实践练习来增强在课程中学到的理论知识； 如果卡住，没有人能帮助你进行练习； 课程以算法原理为重点，而不是如何解决实际问题。
许多不合标准的课程甚至都已不再更新。人们掉入了坑中并为此付出代价，却没有从中收获太多实际价值。
相关报道：
https://airev.us/ultimate-guide-to-natural-language-processing-courses/
本文转载自公众号：大数据文摘。