[請益] 關於 NLP 如何自學(書/公開課程)?

Lushen05/28 19:32唯一推薦台大李宏毅

Lushen05/28 19:35https://bit.ly/3M35yFa

Lushen05/28 19:49基本上算台灣講的最通俗易懂了

Lushen05/28 19:50尤其推薦他的 ML 課程 講的真D猛

pha12366105/28 23:32NLP線上課程推薦 Stanford CS224N:

pha12366105/28 23:33https://www.youtube.com/playlist?list=

pha12366105/28 23:33PLoROMvodv4rOSH4v6133s9LFPRHjEmbmJ

NTUmaki05/28 23:55台大2個教授有開放課程又有名的就是做NLP的 可以先看他們

NTUmaki05/28 23:55的影片（陳 儂、李宏毅）

kkes000105/29 08:30nlp只碰過學界的居多，業界很少

ElegonSin05/29 09:32看教授影片+自己動手玩玩看簡單的

ElegonSin05/29 09:33python 我推simple transformer

ElegonSin05/29 09:34我覺得NLP最常見的應用可能就像是YT的推薦影片

oachan05/29 11:10電商搜尋、推薦、對話機器人、RPA也是有不少題目可以做的

DrTech05/29 11:56差很多吧，推薦系統recommendation 與NLP，與搜尋引擎，在

DrTech05/29 11:56學術界，業界完全是不同專業。

DrTech05/29 11:57除非你去爛公司，亂做一通沒實戰的公司，不然你做search，

DrTech05/29 11:57nlp，recommendation 要做的事情，完全不同。資歷也不通。

DrTech05/29 12:00搜尋，要怎麼ranking，nlp的人通常都不會。推薦系統，要怎

DrTech05/29 12:01麼做多模態(multifmodal)的特徵，通常NLP，搜尋的人又沒碰

DrTech05/29 12:01過。彼此之間專業真的差很多。

DrTech05/29 12:03另外NLP的各種序列標注模型，搜尋與推薦的團隊，根本沒幾

DrTech05/29 12:03個人有碰過。專業完全不同。

DrTech05/29 12:04最後，搜尋與推薦，很多資料pipeline的工作，都與機器學習

DrTech05/29 12:04與NLP無關。

sachialanlus05/29 13:14我研究所學nlp 但工作找backend 跟你相反

sachialanlus05/29 13:15賺錢與否不清楚 但nlp工作其實不少 台商也有

DrTech05/29 13:22真正拿NLP來商業化賺錢的，不是哪種旁門左道，做好玩，或

DrTech05/29 13:22是做了NLP沒效益也沒差的部門喔。我在台灣看了幾年台商不

DrTech05/29 13:22到3家而已。

DrTech05/29 13:24NLP工作是很多啦，但是拿來賺錢變現的公司，台商絕對沒有5

DrTech05/29 13:24家。

sachialanlus05/29 13:26確實有可能是這樣沒錯 而且我看到的nlp缺都和medica

sachialanlus05/29 13:26l相關 我猜現階段應該都賠錢 放眼未來的感覺

DrTech05/29 13:26而且大部分公司，就是要你會ope source 就好。講太多太深

DrTech05/29 13:26的別人也聽不懂。

sachialanlus05/29 13:33我選nlp是因為像是怕cv飽和 押寶nlp 但做了才發現自

sachialanlus05/29 13:33己對nlp的興趣不高 後來就選有興趣的web 薪水也不錯

oachan05/29 14:15同意大大說的，台灣純NLP工作少，大部分學NLP都是找外商

oachan05/29 14:15或是其他相關應用領域

jamfly05/29 23:12Huggingface 套一下 應該是很多地方的常態…

recorriendo05/30 01:48Search跟NLP沒差那麼多啦 vector space model就搜

recorriendo05/30 01:48尋引擎開始用的 NLP後來引進 (不過我後來發現很多人

recorriendo05/30 01:48不知到這段歷史 以為vector space model是十年前左

recorriendo05/30 01:48右NLP的大發明) 排序的部分也就幾個公式而已

recorriendo05/30 01:51說實話現在很多搞NLP的幾乎都不懂IR的一些經典技法

recorriendo05/30 01:51了 tf-idf之類的 其實很多時候可以拿來作快速proto

recorriendo05/30 01:51typing

DrTech05/30 09:36樓上，現在線上有哪個主流的搜尋引擎或商品，是用vector s

DrTech05/30 09:36pace做的？或tf-idf做，然後去搜向量？沒有吧。速度慢，效

DrTech05/30 09:36果又差。

DrTech05/30 09:41排序部分就那幾個公式？你們的產品是什麼場景，CTR多少呢

DrTech05/30 09:41？正常商品怎麼可能幾個傳統公式就能搞定。

DrTech05/30 09:44另外，傳統IR根本不管用戶特徵，只管文字上表面相似度，這

DrTech05/30 09:44也是現代化搜尋系統與NLP工作差異極大的地方。

DrTech05/30 09:50NLP為什麼工作少，是因為沒有獨立能賺錢的應用。到最後能

DrTech05/30 09:50賺錢的搜尋，推薦，廣告業務，會用到NLP的技術比例其實沒

DrTech05/30 09:50那麼高。

DrTech05/30 09:51如果是純賺錢考量，還不如直接去學搜尋，推薦，廣告。NLP

DrTech05/30 09:51有遇到需求再學較好。

cylee05/30 12:03多謝各位的建議，我的起始點就是想要學一個有技術壁壘的

cylee05/30 12:05技術，而不是別人學幾個月就宣稱他能上手的。

recorriendo05/30 12:50我說IR以前用vector space model

recorriendo05/30 12:53NLP現在在用 上面是看不清楚推文亂曲解

recorriendo05/30 12:56IR排序比NLP多的就是那些公式 現在當然都

recorriendo05/30 12:56用deep learning 你要說這個那差異更小

recorriendo05/30 13:02另外 國內要做search 大多就給客戶內部使用而已 還

recorriendo05/30 13:02真的是老公式套一套就夠了 (當然直接用package更快

recorriendo05/30 13:02) 而面向大眾的搜尋引擎 現在就是google獨佔市場 其

recorriendo05/30 13:02他做也是白做

recorriendo05/30 13:15另外 tf-idf不是傳統IR用法而已 事實上它的idea很多

recorriendo05/30 13:15地方都可以用 近期的像AllenAI的SciSpacy套件也用到

recorriendo05/30 13:15了 我也說了它只是當一個baseline或prototype而已

recorriendo05/30 13:15最終成品要SOTA當然就不是用tf-idf

recorriendo05/30 13:23不過說到底 我同意如果要去做電商推薦、搜尋的 不用

recorriendo05/30 13:23特別深入NLP

penniless05/31 00:48推樓上，感覺某樓在diss傳統操作挺外行的。而且絕對沒

penniless05/31 00:48有甚麼領域差很多這種事。ACL了解一下，看看有多少是搜

penniless05/31 00:48索推薦相關....