언어 처리 100개 노크 2015
h tp // w w. cl. 에세이. 도호쿠. 아 c. jp/nlp100/
스스로는 전부 아직 되어 있지 않다. 다음 자료를 참고로 하고 있다.
아마추어 언어 처리 100 개 노크 : 요약
htps : // 이 m/세가그 vy/있어 ms/fb50바 8097d59475f760

환경 구축

Docker로 파이썬 언어 처리 100 개 노크
htps : // 코 m / 타구치 _ 모두 / ms / 24483 음 7638 83310
언어 처리 100개 노크를 docker로.
h tps:// 퀵했다. 작은 m/개선_나고야/있어 MS/7 그림 7 그림 b7c543 그림 0c18438C4
Windows(MS)에 Python(Anaconda) 도입(6개의 함정)
h tps:// 퀵했다. 작은 m/개선_나고야/있어 MS/7bfd7 그림 CDC4 그림 8 그림 DCBD679

play with docker

65세부터의 프로그래밍 입문
htps : // 코 m/카이젠_나고야/있어 ms/1561f910c275b22d7c9f
Play with Docker의 오류
htps : // 코 m / 카이젠 _ 나고야 / ms / fbf054705bf725dbc25
65세부터의 프로그래밍 입문(2) 둘째 날
htps : // 코 m/카이젠_나고야/있어 ms/57f362fb801fd3132803

제10장: 벡터 공간법 (II)

10 장에서는 이전 장에 이어 단어 벡터를 학습하기 위해 노력한다.

81에서 만든 파일 재사용

# cp ../chap09/corpus81.txt .

# vi countries

# vi dict_index_t

# vi matrix_x300

# vi vectors.txt

# wget https://github.com/svn2github/word2vec/blob/master/questions-words.txt

# mkdir wordsim353

# cd wordsim353

# wget http://www.cs.technion.ac.il/~gabr/resources/data/wordsim353/wordsim353.zip

# unzip wordsim353.zip

90. word2vec에 의한 학습

아마추어 언어 처리 100 개 노크 : 90
htps : // 이 m / 세가 y / ms / 890d34 a 40991 d634 cdf

91. 분석 데이터 준비

아마추어 언어 처리 100 개 노크 : 91
htps : // 이 m / 세가 vy / ms / 베 511b97bf3 베 49974 A3

92. 분석 데이터에 적용

아마추어 언어 처리 100 개 노크 : 92
htps : // 이 m / 세가 y / ms / 1d35, 37c5d9, f9f636

93. 분석 작업의 정답률 계산

아마추어 언어 처리 100 개 노크 : 93
htps : // 이 m / 세가 y / ms / f1939 또는 bfc9f71 5 아 0

94. WordSimilarity-353에서의 유사도 계산

아마추어 언어 처리 100 개 노크 : 94
htps : // 이 m / 세가 vy / ms / 4c3295bf2c0321 베아 5 2

95. WordSimilarity-353의 평가

아마추어 언어 처리 100 개 노크 : 95
htps : // 이 m / 세가 y / ms / 6181994f5667 예 1f

96. 국가명에 관한 벡터 추출

아마추어 언어 처리 100 개 노크 : 96
htps : // 이 m / 세가 vy / ms / 650c3 에 1254d8c5 에어 f8 에 1

97. k-means 클러스터링

아마추어 언어 처리 100 개 노크 : 97
htps : // 이 m / 세가 vy / ms / 에 38710 푹 d6c1cb8c5d2d

98. Ward법에 의한 클러스터링

아마추어 언어 처리 100 개 노크 : 08
htps : // 코 m / 세가 v y / ms / 5 에후 20750b643 아 2d49cb

99. t-SNE에 의한 시각화

아마추어 언어 처리 100 개 노크 : 99
htps : // 이 m / 세가 vy / ms / fu 530927 df30732 2 46

참고 자료(reference)

언어 처리 100개 노크 2015(python) 동작 확인 docker 환경 구축
htps : // 코 m/카이젠_나고야/있어 ms/아바 f3fd0198f9f557243
파이썬 입문 입문
htps : // 코 m/카이젠_나고야/있어 ms/22c99c5926984에데 6573
Windows(MS)에 Python(Anaconda) 도입(6개의 함정)
h tps:// 퀵했다. 작은 m/개선_나고야/있어 MS/7bfd7 그림 CDC4 그림 8 그림 DCBD679
왜 docker로 기계 학습하는지 책 · 소스 일람 작성 중 (목표 100)
htps : // 코 m / 카이 젠 _ 나고야 / ms / t d12477544bf5 ba85 2
docker로 기계 학습 with anaconda(1) 「제로로 만드는 Deep Learning
htps : // 코 m / 카이 젠 _ 나고야 / ms / 아 7에 94에 f6d 또는 128d035 아 b
docker로 기계 학습 with anaconda(2) 「제로로부터 만드는 Deep Learning2 자연언어 처리편」사이토 康毅 著
htps : // 코 m / 카이젠 _ 나고야 / ms / 3b80dfc76933 522c6
프로그래밍 언어 교육 XYZ
htps : // 코 m / 카이 젠_ 나고야 / ms / 1950c5810fb5c0b07 4

문서 이력(document history)

ver. 0.01 초고 20190124 아침
ver. 0.02 추가 20190124 낮

사용 장비

macOS HighSierra 버전 10.13.6
MacBook Pro (Retina, 13-ichi Mid 2014)
CPU 2.6GHz Intel Core i5
Mem. 16GB 1600MHz DDR3
Boot: Macintosh HD
Graphics: Intel Iris 1536MB