关于我
![](images/4.jpg)
一个90后的小伙子,刚入行入行人工智能NLP方面,一边工作一边积累经验,分享一些个人日志模板,以及NLP学习等心得。
个人推荐
![](images/1.jpg)
数学之美(第二版)
由原谷歌自然语言处理专家吴军博士将原谷歌黑板报内容重新编辑整理而成,让非专业人士也能了解到算法与常见应用的背后数学原理。作者介绍了分词、搜索、文本分类、去重、输入法、广告点击模型等众多方面的内容。
![](images/2.jpg)
Python自然语言处理
本书是自然语言处理(NLP)领域的一本实用入门指南,是著名的Python语言自然语言处理库NLTK配套用书。该书内容丰富,涉及到自然语言处理的方方面面,包括分词、词典、词性标注、NER、语法分析、文本分类、语料库等等。通过本书由浅入深的介绍、实践和练习,可以快速的入门自然语言处理。
![](images/4.jpg)
Photoshop、flash
《熟悉会一点儿就行了,没必要全部都学得精通,当然如果你在学习的过程中,发现你ps或者flash比较感兴趣的话,也可以尝试做美工这一行。
女孩都有渴望有个浪漫的小情怀——浪漫的求婚词
还在为浪漫的求婚词而烦恼不知道该怎么说吗?女孩子都有着浪漫的小情怀,对于求婚更是抱着满满的浪漫期待,也希望在求婚那一天对方可以给自己一个最浪漫的求婚词。
![](images/5.jpg)
机器学习
本书被戏称为西瓜书,内容基本涵盖了现在常用的各种算法,可以作为导论,支撑起整个知识框架,是非常好的入门型教科书,继续深入算法细节则需配合其他含有详细数学推导的书籍
![](images/7.jpg)
你是一个什么样的人,就会遇到什么样的人
实话有时就为了一句狠话,像心头一口毒钉,永远麻痺着亲密感情交流。恶言,真要慎出,平日多誠心爱语,乃最简易之佈施。
![](images/8.jpg)
深度学习
可以说人工智能的这一波浪潮是从深度学习开始的,并且由深度学习的发展推动向前的。而深度学习发展到如今已经深入到AI的包括NLP在内的各个子领域。到如今,最前沿的NLP技术都或多或少的跟深度学习有关,从而想要站在NLP的最前沿的潮头搏击,对深度学习的了解和应用必不可少。认真学习完本书,对深度学习的理解将是全方位的。当然,本书的缺点非常明显,就是对初学者不友好,适合在机器学习领域有较深了解和一定实战经验、同时数学基础较好的人群。
![](images/9.jpg)
擦肩而过
《擦肩而过》文/清河鱼 编绘/天朝羽打开一扇窗,我不曾把你想得平常。看季节一一过往。你停留的那个地方,是否依然花儿开放?在夜里守靠着梦中的,想那仿佛前世铭刻进心肠的
![](images/9.jpg)
统计学习方法
这本书不厚,是一本具有中国特色的“浓缩”书籍,涵盖了最重要且最常用的几种机器学习方法,结构清晰明了,很多算法在NLP领域中得到广泛使用。虽然有很多数学公式推导,但是对于理解算法背后的原理很有帮助。虽然当前深度学习方法当道,但是对于这些传统机器学习方法的理解和掌握不能落下,能够让我们更加深刻的理解机器学习背后的原理,更好的帮助我们解决分析实际问题。
![](images/9.jpg)
普林斯顿数学指南
说实话,能够完全读懂这书的概率不大,笔者本人到目前为止也未读完,但部分章节则阅读过多次。推荐本书的理由是,作为常年在NLP和AI领域摸爬滚打的挨踢人士,或多或少的都需要读一些前沿的论文,了解最新的进展。这个过程中,不可避免的会遇到遗忘的或未学习过的一些数学知识。这时候,翻翻手头这套《普林斯顿数学指南》将会受益匪浅。除此之外,由于本书的特色,每个章节都单独成篇,有空的时候随意翻翻也能够让自己开阔眼界,有所得。