Como dijo Dmitriy Genzel sobre el mismo tema en “FORBES” que ML y NLP son parte de la inteligencia artificial, donde el procesamiento del lenguaje natural (PNL) es un área relacionada con la aplicación lingüística y el aprendizaje automático le proporciona el poder estadístico para realizar la agrupación y clasificación .
Hubo un tiempo en que el procesamiento del lenguaje natural solo se relacionaba con algún reconocimiento explícito de entidades y enlaces de entidades. En el escenario actual, NLP ha mejorado para realizar el reconocimiento de entidad implícito. En un sentido más amplio, el procesamiento del lenguaje natural le proporciona información contextual, mientras que Machine Learning (ML) le proporciona una forma de automatizar esa información para que la máquina pueda aprender.
Machine Learning le proporciona la amplia gama de clasificadores, como ajuste de curva lineal, ajuste de curva logarítmica, probabilístico, SVM de hiperplano, red neuronal, etc., en los que proporciona los datos que son relevantes para el clasificador e intenta entrenar al clasificador. La pregunta que surge es:
- ¿Cuál es la desventaja de usar ADVI?
- ¿Puedo confiar en un modelo de clasificación con validación cruzada y precisión de prueba decentes incluso si el número de observaciones es menor que el de las características?
- Si IBM introduce el aprendizaje automático en z / OS, ¿qué significará eso para un desarrollador de mainframe?
- ¿Tener un conocimiento profundo del aprendizaje por refuerzo cambia su perspectiva hacia la vida? ¿Cómo?
- Cómo reducir la dimensionalidad en la agrupación promedio global para que coincida con el tamaño de softmax
- ¿El clasificador ha aprendido adecuadamente?
- ¿Cuántos datos necesitamos?
- ¿Estamos cubriendo todo el dominio?
- ¿Tenemos una idea amplia sobre los datos? (mis respuestas están relacionadas con problemas en la minería de texto)
El procesamiento del lenguaje natural proporciona una aclaración de los problemas mencionados anteriormente utilizando el método de selección de vocabulario, entendiendo sinónimos, antónimos, homónimos utilizando word net, formación de léxicos, identificación de relaciones y reconocimiento de entidades de nombre (analizador stanford). PNL es una ayuda para el aprendizaje automático y también para el aprendizaje profundo futurista. Además, la PNL aumentada a ML reduce el espacio de búsqueda y la convierte en una búsqueda guiada. Como resultado, los más elegantes no se sobreajustan mientras se mejora el entrenamiento y la precisión. La incorporación de la semántica a la PNL es un gran impulso en la comunidad de aprendizaje de hoy.
Espero eso ayude !
