【Python短期内快速掌握学习人工智能知识能力】：从零到入门的NLP学习秘籍

码农世界 2024-06-07 后端 78 次浏览 0个评论

⭐️我叫忆_恒心，一名喜欢书写博客的研究生👨‍🎓。
如果觉得本文能帮到您，麻烦点个赞👍呗！

近期会不断在专栏里进行更新讲解博客~~~ 有什么问题的小伙伴欢迎留言提问欧，喜欢的小伙伴给个三连支持一下呗。👍⭐️❤️
Qt5.9专栏定期更新Qt的一些项目Demo
项目与比赛专栏定期更新比赛的一些心得，面试项目常被问到的知识点。

如何在暑期快速掌握学习人工智能知识能力：从零到入门的NLP学习秘籍

1 前言

随着人工智能的迅速发展，掌握AI知识已成为现代社会的重要技能。然而，仅仅了解工具的使用方法是不够的，还需要深入理解其背后的原理，避免误用和滞后性。无论你是刚入学的研究生还是正在职场打拼的打工人，都可能会面临相似的困惑：如何快速入门自然语言处理（NLP）。

作为一名研一新生或者初次接触NLP的职场人士，希望这篇文章能为你提供实用的指导和帮助。😊

整理了之前的研究生学习笔记 -
自然语言处理（NLP）入门指南，研一学习笔记-小白NLP入门学习笔记

2 学习新知识的小技巧

2.1 调整心态

首先，要调整好自己的心态。无论你现在是研究生阶段还是在职场打拼，更多时候是你在为导师或上司工作，而不仅仅是学习。在这个过程中，你可能会遇到一些杂事打乱你的计划。

2.2 明确学习方向

其次，必须对自己的学习有一个清晰的认识和规划。如果你已经联系上了导师或师兄师姐，并对自己的学习方向有了大致的了解，那么恭喜你，接下来就是要努力学习了。

但实际上，很多人可能会面临以下情况：

没有联系上导师或上司
没有联系上直系师兄师姐
学习方向不明确，只知道自己学的是NLP
导师或上司只给了一堆论文或资料让你看，啥也没说
不要慌，大多数实验室或职场的科研工作其实是没有人带的。你应该认真阅读这篇博文，了解如何度过研一或入职初期。

2.3 研究生暑假期间的任务

在暑假期间，了解自己的学习方向，至少知道研究方向的名称。

你应该养成阅读论文的习惯：
- 学会阅读英文文献
- 学会查找外国文献
- 能够理解外文文献
  3 学习的小小建议
  
  3.1 学习方向
  
  以我所学习的自然语言处理方向为例，首先你要知道这个方向的一个大题目标是啥。
  首先，对Ai模型保持一定的探索。
  以下面为例：
  比如我之前写过的一篇文章。以ChatGPT为例进行自然语言处理学习——入门自然语言处理
  目前人工智能最为火热的ChatGPT
  
  相信各位小伙伴最近都听过ChatGPT，GPT-4，百度的文言一心、Kimi甚至有些同学也已经玩上了这些工具，大家都知道这是人工智能的产物，但是ChatGPT有哪些功能,我们进行一个简单的介绍。
  
  我们输入一句：
```
作为一名刚入门自然语言处理的同学，第一堂课的学习，你能给些建议吗？
```
  即使这个输入，可能含有错别字。
  那这背后运用的是那些技术的呢？
  
  是CV还是自然语言处理
  
  0 什么是自然语言处理
  
  上述设计到的模型所用的人工智能领域技术是自然语言处理，那么什么是自然语言处理呢？
  
  我们来看一下维基百科上是如何进行定义的：
```
计算机科学与语言学领域交叉的一门学科，目的是让计算机能够理解、解释、生成人类语言。
```
  这么说可能会优点抽象，简单来说就是：
  
  自然语言处理 (Nautral Language Process, NLP) =自然语言理解(Natural Language Understand, NLU) + 自然语言生成
  (Natural Language Generate, NLG)。
  
  可能这在你看来是很神奇的一件事情，但其实ChatGPT也就做了这两部分的内容。
  
  总的来说：NLP = NLU + NLR。
  
  ChatGPT可以说是自然语言处理综合应用的一个典型的模型了
  
  自然语言处理技术可以看出是两个阶段。
  
  我们以ChatGPT为例，他是如何做到这些功能的呢？
  
  （通过一个图人–>电脑电脑—人）
  
  以ChatGPT为例，我们每一次向他输入一段话的时候，会发生哪些事情呢？
  
  其中词法分析、句法分析、语义分析属于NLU任务，对话管理、生成回复属于NLG任务。
  
  我门进行一个简单的小结。
  
  1. 请教师兄师姐或同事
  
  请教师兄师姐或同事是最直接的方式。通常情况下，你的师兄师姐或同事做什么，你大概率也会继续做下去，因为科研需要时间积累。
  
  准研二不清楚就去问准研三的师兄。准研三的师兄都是宝藏！
  上班可以多去Github上逛逛
  
  2. 联系不上导师或同事
  
  ![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/54463fad9
  fa9489fa3a381a1b001e85e.png)
  
  如果联系不上导师或没有从事相关工作的同事，可以去学校官网查看导师的研究方向，或者公司其他组查看AI方向的项目，特别是近两年导师或公司发表的文章或项目研究方向，这大概率就是你将来需要做的方向。
  
  在没有师兄师姐或同事带的情况下，你需要对大方向进行了解，方便自己后期找论文或资料看时缩小范围：
  - 直接拿老师或上司发表的近三年论文或项目报告来读
  - 用文献管理工具批量下载相关参考文献
  - 上GitHub找相关方向的知识点
  - 上知网查看其他人的硕士论文
    
    这是我读研一时发现的方法，虽然我没怎么用，但名校的毕业论文比顶刊的英文论文好读多了，而且通俗易懂。
    
    3.2 学习笔记
    
    这里列出了一些我研一时的学习笔记：
    1. 我的研一笔记
    2. 机器学习入门笔记
    3. 神经网络基础学习笔记
    研一上学期刚开始看文献时，显得很吃力，后悔得不行。以上是当时学习的部分笔记。学习时做好记录是必要的，后面翻看起来比较方便，不容易忘记。
    
    4 论文阅读
    
    当你对自己的研究方向有一定了解后，就可以开始大量阅读论文了。
    
    小建议
    
    对于一些较新的细分方向，通常没有很好的视频讲解。这时，你应该直接去找相关论文阅读。
    
    第一步：英语基础较弱
    
    建议先查看知网上的名校硕士/博士论文，看看是否有学者做过类似工作。尽量选择毕业论文。
    
    小技巧：
    
    知网在下载硕士或博士论文时通常不是PDF格式，可以通过首页的国际版下载成PDF格式。
    
    第二步：看英文文献
    
    学会使用文献管理工具，并借助一些英文阅读工具完成论文阅读。
    一边看论文，一边养成管理文章的习惯。
    可以参考我之前写的文章：研究生入门工具
    
    第三步：记录文章知识盲点
    
    针对知识盲区进行基础学习，比如遇到LSTM、RNN这些基础知识时，如果存在困惑就应进行有针对性的学习。这种系统学习的方式体验感极佳。
    
    5 基础学习
    
    如果开学前已经和导师取得联系，导师一般会发一些论文给你看。按照上面的论文阅读建议走，你就会大致知道需要补充哪些知识，从而进行系统学习。
    
    如果时间充足，建议按照下面的学习流程走一遍，可能需要一个月左右的时间。
    1. Python的学习请查看机器学习初学者公众号
    2. 关于机器学习可以先看吴恩达的机器学习课程
    3. 深度学习入门：鱼书（非常推荐）
    4. NLP入门：
      选一篇英文综述
      补充基础知识：Word2Vec数学基础
      看论文
      
      看完上面的内容可以专攻NLP
    - 补一下基础知识：Word2Vec
      看一些论文综述对研究领域有大致了解、补充基础知识点
    学习建议
    - Python的学习请查看机器学习初学者公众号，主要学习科学工具包、SKlearn等使用
    - 关于机器学习可以先看吴恩达的课程，研一这门课基本上是必修课，到时会重新学，所以看一遍做一下习题就差不多了
    - 深度学习方面，鱼书是必看的，可以补充神经网络的知识
      
      现在回忆起来这本真是神书啊！首先书不厚，讲得非常基础好懂，而且提供了丰富的代码！超级棒，感觉可以先看这本书再去看吴恩达的视频会更好，至少他这部分的神经网络，我觉得比吴恩达的手推公式好太多了（适合数学基础比较差的同学）
      
      多写代码：
      
      6 写论文的工具
      
      之前写了一篇关于科研论文学习的工具，写文章必备神器！！！
      
      获得比较多的好评，我自己写文章的时候，也经常翻出来查查对应的内容！
      科研论文写作神器——让你事半功倍的SCI论文写作神器
      
      7 多练习编码
      
      当然，学习机器学习不仅需要理论知识，还需要实际动手练习。这里有一段使用Python和Scikit-learn库的简单机器学习代码示例，展示了如何训练一个基本的分类模型。
```
# 导入必要的库
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 标准化数据
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)
# 训练KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
# 进行预测
y_pred = knn.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'模型准确率: {accuracy:.2f}')
```
      这段代码使用鸢尾花数据集，训练了一个K近邻（KNN）分类器，并评估了模型在测试集上的准确率。通过这段代码，你可以了解数据预处理、模型训练和评估的基本流程。希望这对你的学习有所帮助！
      
      8 小结
      
      持续学习！
      无论你是刚入学的研究生还是职场中的打工人，学习自然语言处理（NLP）都需要正确的心态和明确的方向。调整好心态，明确学习目标，利用暑期时间阅读相关文献和论文，补充基础知识是入门的关键。通过请教师兄师姐或同事，使用文献管理工具，并记录学习笔记，可以有效提升学习效率。掌握了这些技能和方法，你将能够在NLP领域迈出坚实的第一步。希望这篇文章能为你提供实用的指导和帮助。
      
      喜欢文章的小伙伴们，麻烦点击下方三连支持一下哦！欢迎在评论下方留下你读研期间的疑惑。
      
      ⭐️我叫忆_恒心，一名喜欢书写博客的研究生👨‍🎓。
      如果觉得本文能帮到您，麻烦点个赞👍呗！
      
      近期会不断在专栏里进行更新讲解博客~~~ 有什么问题的小伙伴欢迎留言提问欧，喜欢的小伙伴给个三连支持一下呗。👍⭐️❤️
      Qt5.9专栏定期更新Qt的一些项目Demo
      项目与比赛专栏定期更新比赛的一些心得，面试项目常被问到的知识点。