以下是 NLP 课程和专业列表，可帮助您开始自然语言处理之旅。
自然语言处理（NLP）是计算机科学和计算语言学的交叉点。 NLP 的应用广泛，从客户评论的情感分析到推动营销决策，再到机器翻译和聊天机器人。
如果您有构建机器学习模型的经验，则可以将 NLP 添加到您的工具箱中来解决各种问题，例如文本摘要、问答、自然语言生成等。
探索 NLP 角色所需的广泛技能，然后前往我们精选的资源列表以开始自然语言处理。
NLP职业路径：NLP工程师、NLP开发人员等。研究的进步促进了现代 NLP 技术的发展。如今，平均薪资超过 117,000 美元的 NLP 工程师和开发人员职位变得越来越受欢迎。
技能范围从下游 NLP 任务的数据收集的工作知识和语言概念（例如依存句法分析和词性 (POS) 标记）到 Transformer 模型的工作知识。
开始使用 NLP 需要具备编程和机器学习能力
是必须的。您还需要具有 PyTorch 和 TensorFlow 等深度学习框架以及 spaCy 和 HuggingFace 等 NLP 库的经验。
自然语言处理（NLP）课程接下来，看看流行学习平台上提供的一些最佳课程。我们还将介绍您充分利用这些课程所需的先决条件。 👩🏫
CS224n：使用深度学习的 NLP CS224n：NLP with Deep Learning ，由 Chris Manning 教授讲授，由斯坦福大学提供，是学习自然语言处理的最佳课程之一。您可以在 YouTube 上观看讲座，并且可以在课程网站上免费获取当前和以前提供的讲义和练习笔记。
📋先决条件
Python编程数学：统计学、概率、微积分、线性代数机器学习基础知识这是一个为期一个学期的课程，涵盖 NLP 的广泛主题。
词向量循环神经网络注意力和子词模型变压器及其应用💲价格：免费✅
NLP 专业化：Coursera Coursera 的 DeepLearning.AI 自然语言处理专业课程是我们受欢迎的学习资源之一。该专业旨在通过四门课程教授传统的 NLP 技术以及 Transformer 和 Reformer 模型等最新进展。
NLP 课程 Coursela 📋先决条件
中级Python了解机器学习和深度学习框架微积分、线性代数、统计学专业课程有：
使用分类和向量空间的 NLP 使用概率模型的 NLP 使用序列模型的 NLP 使用注意力模型的 NLP该专业的每门课程都需要30多个小时才能完成，整个专业需要几个月的时间才能完成。
👩🏽💻 以下是您在本专业领域进步时将构建的一些项目。
文本自动完成模型使用 BERT 回答问题文字摘要使用改革者模型的聊天机器人TensorFlow 中的 NLP：Coursera如果您已经熟悉 TensorFlow，则可以学习 Coursera 的NLP in TensorFlow with DeepLearning.AI，以使用 TensorFlow 构建 NLP 模型。
NLP 课程 Coursera-tf 📋先决条件
Python 和数学TensorFlow 的工作知识本课程涵盖：
使用 TensorFlow API 进行文本标记化和预处理词嵌入自然语言生成序列模型：Coursera Coursera 深度学习专业化中的 DeepLearning.AI 序列模型课程旨在让学习者在四个星期内掌握 NLP 的实用知识。
nlp 课程 seq 模型📋先决条件
Python机器学习和线性代数本课程涵盖 NLP 中的序列模型，重点是：
用于语言建模的字符级递归神经网络 (RNN)注意机制、自我介绍和多头注意使用 Hugging Face 转换器进行问答NLP：拥抱你的脸Hugging Face 团队发布了免费的 NLP 课程，重点关注 Hugging Face 生态系统的使用，涵盖基础到高级的概念。
📋先决条件
Python 熟练程度深度学习的工作知识使用 PyTorch 和 TensorFlow 的经验（有帮助，但不是必需的）本课程由 12 章组成，分为三个部分，涵盖：
使用拥抱脸部转换器关于数据集和分词器库变压器先进应用、生产模式优化您可以访问简短的视频讲座、基于文本的概念部分和 Colab 笔记本。
💲价格：免费🤗
Google Cloud 上的 NLP：Pluralsight Google Cloud 上的 NLP向学习者介绍如何在 Google Cloud 平台上使用Vertex AI构建 NLP 解决方案。
图像90先决条件：GCP 的工作知识
本课程将教学习者：
文字表达DialogFlow API 操作构建神经网络、循环神经网络 (RNN)、长短期记忆 (LSTM) 网络和门控循环单元 (GRU)使用 Vertex AI注意力机制和大规模语言模型使用 Azure 构建 NLP 解决方案使用 Microsoft Azure 构建 NLP 解决方案是 Pluralsight 提供的基于项目的课程。在这个基于项目的课程中，您将学习如何处理客户评论推文数据集以构建 NLP 解决方案。
图像87 📋先决条件
Python编程熟悉 Azure 门户在此过程中您将执行的主要任务包括：
语言检测命名实体识别关键词提取情绪分析使用 PyTorch 进行 NLP：Pluralsight Pluralsight 的NLP 与 PyTorch将帮助您开始使用 NLP。本课程不涵盖现代 Transformer 架构，但涵盖了使用 PyTorch 进行自然语言处理的许多基础知识。
图像88先决条件：熟悉 PyTorch
本课程涵盖：
循环神经网络 (RNN)二元和多类文本分类词向量嵌入使用词向量进行情感分析用于语言翻译的序列到序列模型成为 NLP 专家：Udacity 成为 NLP 专家是 Udacity 人工智能学院提供的官方自然语言处理纳米学位。这个纳米学位课程将帮助您学习传统和现代的 NLP 技术，例如通过项目构建进行注意力。
图像86 📋先决条件
Python编程统计数据机器学习和深度学习Udacity 的计划包括视频讲座、编码练习和顶点项目。在本自然语言处理课程中，您将构建以下项目：
词性标注（POS 标注）端到端机器翻译模型语音识别模型NLP 的代码优先介绍如果您想更加熟悉 NLP 领域， Code-First Introduction to NLP是 fast.ai 提供的一门很棒的课程。本课程由 Rachel Thomas 教授，涵盖自然语言处理的传统方法和神经网络方法。
📋先决条件
Python编程机器学习概念使用 PyTorch 的神经网络（有用但不是必需的）课程内容总结如下：
传统 NLP ：本节介绍使用正则表达式、矩阵分解技术（例如奇异值分解 (SVD)）和朴素贝叶斯进行文本分类的文本处理。 NLP 的神经网络方法：本课程涵盖循环神经网络、seq2seq 模型、注意力机制和 Transformer 模型。 NLP 中的道德问题：本课程还包括侧重于使用自然语言处理产生的一些道德问题的讲座，例如偏见和虚假信息。 💲价格：免费
NLP 与机器学习：教育Educative 的NLP 与机器学习重点是让学习者熟悉 NLP 的关键概念。从编码面试准备和系统设计到机器学习，Educative 是流行的在线学习平台之一。
本课程涵盖：
词嵌入语言模型文本分类序列到序列模型Python 中的 NLP：DataCamp Datacamp 上的 Python 自然语言处理是包含六门课程的结构化技能课程。这些课程向学习者介绍自然语言处理的各个方面。
📋先决条件
Python 熟练程度了解机器学习该轨道由以下课程组成：
Python 中的 NLP 简介：学习 NLP 的基础知识，包括正则表达式和基于规则的方法。 Python 中的情感分析：基于现实世界的数据集（例如电影评论、亚马逊产品评论和推文）构建端到端情感分析模型。 使用 Python 构建聊天机器人：使用 scikit-learn、spaCy 和 Rasa NLU 库构建聊天机器人。 使用 spaCy 进行高级 NLP ：使用 spaCy 构建自然语言处理管道，以执行命名实体识别等任务。 Python 中的口语语言处理：了解如何在 Python 中构建语音识别模型。 Python 中的 NLP 特征工程：学习从文本数据中提取特征的技术。 NLP课程：Lena Vojta NLP 课程是 Yandex 数据分析学院作者 Lena Voita 教授的自然语言处理课程的延伸。本课程分为几个部分，包括互动课程和博客文章。此外，还有笔记和研究论文的摘要。
文本分类（传统方法和神经网络方法）词嵌入语言模型评估Seq2seq模型及注意事项NLP 迁移学习💲价格：免费
结论我们希望这份学习资源列表对您有所帮助。您可以根据先决条件和时间承诺选择最适合您兴趣的课程或专业。一旦您掌握了基础知识，请务必根据现实世界的数据集构建项目，以补充和加强您的理解。享受编码的乐趣！👩🏽💻
然后查看我们为您的下一个 NLP 项目提供的数据科学笔记本列表。