原文：
www.kdnuggets.com/2023/06/5-free-books-natural-language-processing-read-2023.html
图片由作者提供
在大型语言模型（LLMs）引起轰动之前，自然语言处理（NLP）正在发展，但进展较为隐秘。自从像 ChatGPT 这样的 LLMs 发布以来，它已经发生了革命性的变化。LLMs 已经被证明能够理解和生成类似人类的文本。像 ChatGPT、Google Bard 等模型在深度神经网络架构中训练了大量文本数据。
1. Google 网络安全证书 - 快速进入网络安全职业轨道。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你组织的 IT
那么这些模型到底是如何理解人类以及输出类似人类的回应的呢？这就是自然语言处理（NLP）。NLP 是人工智能的一个子领域，帮助模型处理、理解和输出人类语言。它们通常在诸如下一个词预测的任务上进行训练，这使它们能够建立上下文依赖关系，并生成相关的输出。NLP 领域拥有先进的应用，如聊天机器人、文本摘要等。
关于 LLMs 及其在文本生成中的偏见存在一些伦理担忧，这引发了对 NLP 及其在 LLM 应用中的使用的进一步研究。尽管这些担忧和挑战目前正在解决，但考虑到 LLMs 如 ChatGPT 对世界的影响——它们似乎将长期存在，理解 NLP 将变得至关重要。
如果你想深入了解 LLMs，你需要学习 NLP。在这篇文章中，我将介绍 5 本你在 2023 年需要阅读的免费书籍，以便更好地掌握 NLP。
作者： Dan Jurafsky 和 James H. Martin
链接： 语音与语言处理
这本由两位大学教授编写的《语音与语言处理》书籍，为你提供了一个全面的 NLP 世界介绍。它分为三个部分：NLP 基础算法、NLP 应用和语言结构标注。第一部分对初学者至关重要，它提供了对 NLP 的基本理解，并通过示例进行详细讲解。你将遇到语义、语法等各种主题。
如果你对 NLP 领域感到陌生，或者想要转行进入这个领域，我真的相信这本书对个人学习非常有帮助。由于它是由教授编写的，实际的例子能帮助读者比纯理论的书籍更好地理解概念。
作者： 克里斯托弗·D·曼宁 和 辛里希·舒茨
链接： 统计自然语言处理基础
如果你是数据专业人士，或者在人工智能领域工作，你会知道统计在这个领域中的重要性。有些人认为你不需要对这个领域有很高的理解，然而我认为这很重要，因为它会让你的数据专业之旅更加顺利。
当你对 NLP 领域有了良好的基础后，你可能会认为下一步是学习算法。在此之前，你会想要了解更多语言的数学基础。这本书不仅从 NLP 的基础开始，还深入探讨了数学方面的内容，如概率空间、贝叶斯定理、方差等。
作者： 克里斯托弗·M·毕晓普
链接： 模式识别与机器学习
了解模型性能的最佳方式是理解模型如何工作，它的思路、模式识别以及为什么会产生这样的输出。模式识别是根据一组标准通过特殊算法区分数据的过程。它使得学习成为可能，并且为改进留出了空间，这使得它对机器学习算法及其性能非常重要。
每章末尾都有一个练习，旨在更好地解释每个概念。作者将数学内容控制在最低限度，以帮助读者更好地理解，但需注意，理解模式识别和机器学习技术时，具备良好的微积分、线性代数和概率论基础将是有益的。
作者： 约阿夫·戈尔德堡
链接： NLP 中的神经网络方法
在探讨 NLP 的发展时，我们可以说神经网络发挥了重要作用。神经网络为 NLP 模型提供了更好的语言理解，使它们能够预测单词并将不同的话题分类，即使这些话题在学习阶段没有预见到。
这本书不会立刻深入探讨神经网络的细节。它从基础知识入手，如线性模型、感知机、前馈、神经网络训练等。作者采用了数学方法来解释这些基本元素，并结合实际例子。
作者： Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, 和 Harshit Surana
链接： 实用自然语言处理
所以你已经了解了语音和语言，涵盖了统计 NLP，然后研究了 NLP 中的模式识别和神经网络。最后你需要了解的是 NLP 的实际应用。
这本书介绍了 NLP 在现实世界中的应用、NLP 模型的流程以及更多关于文本数据和使用案例的信息，例如 ChatGPT 这样的聊天机器人。在这本书中，你将学习到 NLP 如何在零售、医疗保健、金融等各种领域中使用。通过不同的领域，你将能够了解每个领域的 NLP 流程，并能够自己找到使用方法。
本文的目标和流程是为你提供 5 本我认为必不可少的免费书籍，这些书籍将有助于你的 NLP 职业或学习。虽然我以结构化的形式呈现，希望每本书能够相互衔接，提升你的学习水平。
如果你知道其他免费的 NLP 书籍，认为对他人有帮助，请在评论中分享！
Nisha Arya 是一名数据科学家、自由技术作家和 KDnuggets 的社区经理。她特别关注提供数据科学职业建议或教程以及数据科学理论知识。她还希望探索人工智能如何/能如何提升人类寿命。她是一个热衷的学习者，寻求拓宽她的技术知识和写作技能，同时帮助指导他人。