在未來的產(chǎn)業(yè)布局中，云網(wǎng)融合、軟硬一體化，硬件智能化、軟件的泛化以及數(shù)據(jù)無處不在，基本是未來的趨勢。新一輪的信息科技基本都長在云上，未來大部分的科技也都在信息技術(shù)之上，這也是互聯(lián)網(wǎng)平臺(tái)最大的價(jià)值。當(dāng)前，我們已經(jīng)在智慧時(shí)代拐點(diǎn)，由巨大支撐的AI技術(shù)愈發(fā)成熟，強(qiáng)調(diào)計(jì)算能力在促進(jìn)科技進(jìn)步和社會(huì)發(fā)展中的重要價(jià)值和作用，強(qiáng)調(diào)算力變革改變未來人類生產(chǎn)和生活方式，成為賦能社會(huì)數(shù)智化轉(zhuǎn)型的基礎(chǔ)能源。

具體是這樣的，某位網(wǎng)友入職后摸魚了一個(gè)月，看著同事們各個(gè)都在忙碌，就自己在發(fā)呆、扣手。這位網(wǎng)友的內(nèi)心可能多少覺得有些不自在，或是覺得自己這一個(gè)月得不到提升，毫無價(jià)值。于是，就有了想要辭職的念頭...

神經(jīng)網(wǎng)絡(luò)今天已經(jīng)變得非常流行，但仍然缺乏對(duì)它們的了解。一方面，我們已經(jīng)看到很多人無法識(shí)別各種類型的神經(jīng)網(wǎng)絡(luò)及其解決的問題，更不用說區(qū)分它們中的每一個(gè)了。其次，在某種程度上更糟糕的是，當(dāng)人們?cè)谡務(wù)撊魏紊窠?jīng)網(wǎng)絡(luò)時(shí)不加區(qū)分地使用深度學(xué)習(xí)這個(gè)詞而沒有打破差異。

在處理大量數(shù)據(jù)時(shí)，有必要將具有特征的空間壓縮為向量。一個(gè)例子是文本嵌入，它是幾乎所有 NLP 模型創(chuàng)建過程中不可或缺的一部分。不幸的是，使用神經(jīng)網(wǎng)絡(luò)處理這種類型的數(shù)據(jù)遠(yuǎn)非總是可能的——例如，原因可能是擬合或推理率低。

自從Vaswani 等人發(fā)表開創(chuàng)性論文“ Attention Is All You Need ”以來，transformer 模型已經(jīng)成為 NLP 技術(shù)中的最新技術(shù)。從 NER、文本分類、問答或文本生成等應(yīng)用，這項(xiàng)驚人技術(shù)的應(yīng)用是無限的。

NLP 技術(shù)最有用的應(yīng)用之一是從非結(jié)構(gòu)化文本（合同、財(cái)務(wù)文件、醫(yī)療記錄等）中提取信息，它支持自動(dòng)數(shù)據(jù)查詢以獲得新的見解。傳統(tǒng)上，命名實(shí)體識(shí)別已被廣泛用于識(shí)別文本中的實(shí)體并存儲(chǔ)數(shù)據(jù)以進(jìn)行高級(jí)查詢和過濾。

數(shù)據(jù)工程師和分析師對(duì)大量數(shù)據(jù)運(yùn)行交互式臨時(shí)分析的需求繼續(xù)呈爆炸性增長。數(shù)據(jù)平臺(tái)團(tuán)隊(duì)越來越多地使用聯(lián)合SQL 查詢引擎 PrestoDB 為各種用例運(yùn)行此類分析，跨越廣泛的數(shù)據(jù)湖和數(shù)據(jù)庫就地，而無需移動(dòng)數(shù)據(jù)。

本篇文章是我們學(xué)習(xí)Python及其在機(jī)器學(xué)習(xí)（ML）和人工智能（AI）的應(yīng)用系列中的最后一個(gè)模塊了，在上一個(gè)模塊中，我們學(xué)習(xí)Keras，討論了神經(jīng)網(wǎng)絡(luò)。下面，我們將要學(xué)習(xí) Numpy 和 TensorFlow，這兩個(gè)是學(xué)習(xí)機(jī)器學(xué)習(xí)的構(gòu)建塊，所以在使用機(jī)器學(xué)習(xí)的時(shí)候，你一定會(huì)接觸到它們。同時(shí)，還會(huì)簡要概述 scikit-learn 庫，因?yàn)樗荘ython中最完整的機(jī)器學(xué)習(xí)（不包括深度學(xué)習(xí)）庫。