GitHub - opendilab/awesome-RLHF: A curated list of reinforcement learning with human feedback resources (continually updated)
(The following section was automatically generated by ChatGPT) RLHF typically refers to "Reinforcement Learning with Human Feedback". Reinforcement Learning (RL) is a type of machine learning that involves training an agent to make decisions based on feedback from its environment. In RLHF, the agent also receives feedback from humans in the form of ratings or evaluations of its actions, which can
GitHub - Hannibal046/Awesome-LLM: Awesome-LLM: a curated list of Large Language Model
If you're interested in the field of LLM, you may find the above list of milestone papers helpful to explore its history and state-of-the-art. However, each direction of LLM offers a unique set of insights and contributions, which are essential to understanding the field as a whole. For a detailed list of papers in various subfields, please refer to the following link: Awesome-LLM-hallucination -
GitHub - Yutong-Zhou-cv/Awesome-Text-to-Image: (ෆ`꒳´ෆ) A Survey on Text-to-Image Generation/Synthesis.
Text to Face👨🏻🧒👧🏼🧓🏽 (arXiv preprint 2024) [💬 3D] Portrait3D: Text-Guided High-Quality 3D Portrait Generation Using Pyramid Representation and GANs Prior, Yiqian Wu et al. [Paper] (CVPR 2024) CosmicMan: A Text-to-Image Foundation Model for Humans, Shikai Li et al. [Paper] [Project] (arXiv preprint 2024) Fast Text-to-3D-Aware Face Generation and Manipulation via Direct Cross-modal Mapping an
Tracking Progress in Natural Language Processing
Tracking Progress in Natural Language Processing Table of contents English Automatic speech recognition CCG Common sense Constituency parsing Coreference resolution Data-to-Text Generation Dependency parsing Dialogue Domain adaptation Entity linking Grammatical error correction Information extraction Intent Detection and Slot Filling Keyphrase Extraction and Generation Language modeling Lexical no
募集要項 | 株式会社ホットリンク
必須 機械学習，または自然言語処理技術（テキストマイニングを含む）を利用したプログラミングの経験 （大学・大学院における経験を含む） システム開発における実践経験、特に設計・ドキュメンテーション・テストの経験 望ましい Python Webアプリケーション・フレームワーク（※1）の利用・開発経験 Elasticsearchの利用・開発経験 その他 異業種・異分野からの転向も歓迎いたします 必須 Python言語の知識 情報処理・機械学習・自然言語処理分野の論文読解能力（※2） 望ましい C++またはJava言語の知識 機械学習・自然言語処理分野のアルゴリズム実装経験（※3） RDBMS(MySQLなど)の知識 ネットワーク分析・数値解析・統計学などの専門知識
Publications - The Stanford Natural Language Processing Group
Daniel Jurafsky. 2014. The Language of Food. W. W. Norton. Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze. 2008. Introduction to Information Retrieval. Cambridge University Press. Daniel Jurafsky and James H. Martin. 2008. Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics. 2nd edition. Prentice-Hall. C
自然言語処理を活用したwebサービスをつくるときに参考になる5冊の書籍 - EchizenBlog-Zwei
自然言語処理を活用したwebサービス開発に関わって5年以上経った。いい機会なのでこれまでを振り返って役に立ったと思う5冊をメモしておく。 1.珠玉のプログラミング―本質を見抜いたアルゴリズムとデータ構造 まずはこれ。有名な本なので知っている人も多いと思う。簡単に説明するとちょっと前に「フェルミ推定」という名前で流行ったような、データから必要な数値を概算する方法や、問題が起きたときに問題点がどこにあるのか？最小の労力で解決するにはどこをいじればよいのか？などが書いてある。「webサービスで自然言語処理だ！」というと無限に夢が広がりがちなので、どういうデータが使えるのか、それをどういう形にもっていけばイケてるサービスになるのか、それはどのくらいの期間で実現できるか、ということを考える必要がある。そういうわけで本書は真っ先に読むべき一冊なのでは(余談だけれど、以前M << Nなデータに対してO(
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - thunlp/NREPapers: Must-read papers on neural relation extraction (NRE)
自然言語処理の本おすすめ16選！学習レベル・言語別に紹介！ | AI専門ニュースメディア AINOW
都立大 自然言語処理研究室 - 自然言語処理を学ぶ推薦書籍
Summarization
Special issue on knowledge graphs and semantics in text analysis and retrieval - Edgar Meij
自然言語における単語の型推論と、複数系列の異常検知
http://www.tamaraberg.com/teaching/Spring_15/
自然言語処理
What are the most important research papers which all NLP students should definitely read? Why?
LingPipe: Competition