入門～中階 · 免費公開

Natural Language Processing 自然語言處理 (NLP)

雙語教材 · 聯絡 psyche@mail.grokbot.com

初學貼士

初學貼士

  • 先 Python＋清洗，再 Sklearn 文字基線，再 HF。
  • 經典管線仍有用；生成多走 LLM／RAG。
  • 無 GPU 用 Colab。

課節進度

開始學習吧！勾選完成的課節。

0% 完成（0／7 課節）

  • 11. 什麼是 NLP
  • 22. 經典管線
  • 33. 經典任務
  • 44. 表示學習
  • 55. 現代工具棧
  • 66. 實作路徑
  • 77. 官方連結

提示：點擊課節即可標記／取消（存於本機）。

一句話：NLP 處理人類語言；今日與 ML／DL／LLM 重疊。

經典 NLP→ Embeddings→ Transformer→ LLM 應用

1. 什麼是 NLP？

  • 定義：讓機器理解、生成與轉換語言。
  • 語言學：借用語法概念；實務多資料驅動。
  • ML／DL：分類用 ML；深度表示見 DL。
  • LLM：生成主力；見 Prompt／RAG／幻覺課。

2. 經典管線（高階概覽）

步驟做什麼
Tokenization 分詞切成詞／子詞／字元
Stemming／Lemmatization降表面變化
POS 詞性標註標名詞／動詞等
NER 命名實體找人名／地名／組織
Parsing 句法分析依存／成分樹（高階）

端到端常見，但除錯仍常回管線。

3. 經典任務

  • 分類：主題／垃圾郵件／意圖。
  • 情感：正負／多類情緒。
  • NER：抽取實體。
  • 摘要：抽取／生成。
  • 翻譯：跨語言。
  • QA／對話：常接 RAG／向量庫。

4. 表示：從 BoW 到 LLM

世代例子特點
計數特徵Bag-of-Words／TF-IDF稀疏、可解釋
靜態詞向量Word2Vec、GloVe一詞一向量
上下文表示ELMo、BERT依上下文變
生成式 LLMGPT 系等提示／微調／RAG

對照：經典＝特徵；神經＝表示；LLM＝提示＋檢索＋評測。

6. 建議實作路徑

  1. Python：字串／檔案／regex
  2. 文字清洗
  3. Sklearn TF-IDF 基線
  4. HF pipeline 開箱
  5. 微調小模型＋Colab
  6. RAG／LangChain＋幻覺控管

← 首頁

課程完成標記

登入會員後可將整門課標記完成並同步至儀表板。