 Okey, sebab saya akan memperkenalkan ini, saya boleh memperkenalkan ini. Saya akan memperkenalkan Raku Tan Institute of Technology in Singapore apabila saya melakukan perniagaan perniagaan perniagaan terdapat lebih banyak bahan-bahan, dan juga perniagaan perniagaan generik. Jadi saya belajar di NTU dan juga di Jerman di Zalun. Jadi ini... Oh, tiba-tiba. Tiba-tiba ini bukan pertahunan atau tutorial untuk NLP. Saya tidak akan memperkenalkan kamu dengan banyak bahan-bahan dan apa yang kamu lihat. Mungkin esok dan banyak bahan-bahan. Tetapi, ya, ada banyak bahan-bahan kerana saya pergi online dan memperkenalkan bahan-bahan yang orang beri saya bahan-bahan yang saya boleh berkongsi dengan kamu. Dan kemudian, semoga ada lebih banyak bahan-bahan untuk berkongsi dengan saya dan tanya saya pertanyaan tentang NLP atau apa-apa yang lain. Jadi, ya, tiga perkara yang saya akan melihat hari ini. Ia adalah periksa bahan-bahan NLP dan pelajaran. Sangat berbeza. Saya memperkenalkan bahan-bahan dan juga bagaimana untuk berkongsi. Ia adalah sesuatu yang menarik pada awal tetapi anda faham dan menarik. Ya, jadi, seperti MC yang saya telah memperkenalkan, NLP adalah pelajaran komputasi yang berlaku oleh komputer dan juga mencari-cari. Dan ada beberapa aplikasi yang ditanggung untuk memperkenalkan bahan-bahan, berkongsi dan menarik. Ada Google Translate, yang adalah sesuatu yang berkongsi dengan saya. Kemudian ada chatbot. Ini adalah sebuah yang terbaik. Ia beritahu anda tentang periksa bahan-bahan dan bagaimana untuk membeli bahan-bahan. Ia berada di website eRA jika saya tidak salah. Ia ada dua perkara yang penting untuk bahan-bahan atau bahan-bahan. Satu adalah bahan-bahan dan yang lain adalah bahan-bahan. Dan apa yang kita ada adalah bahan-bahan dan produksi sebuah bahan yang di bawah bahan-bahan NLP, yang saya bukan bahan-bahan, jadi saya tidak akan menikmati teknologi dan memperkenalkan bahan-bahan. Tetapi saya merupakan periksa bahan-bahan, di mana ada tiga perkara yang biasanya berlaku. Ia adalah periksa bahan-bahan. Periksa bahan-bahan seperti anda ingin tahu apakah sesuatu yang penting untuk periksa bahan-bahan atau sesuatu seperti periksa bahan-bahan, tahu apa yang berlaku, mengenai apa yang berlaku, dan apa yang berlaku sebenarnya berlaku seperti apakah apabila api adalah sebuah bahan, atau sebuah bahan adalah sebuah bahan. Dan memperkenalkan bahan-bahan lebih banyak dari apa yang kita menjelaskan di sisi aplikasi semasa anda mempunyai bahan-bahan yang di bawah bahan-bahan seperti yang kita lihat sebelum ini. Jadi, bahan-bahan adalah sebuah bahan yang berlaku. NLTK tidak akan menerima semua bahan-bahan, tetapi hanya berlaku pada bahan-bahan. Bahan-bahan adalah bahan-bahan yang berlaku pada bahan-bahan dengan beberapa kemampuan yang akan membantu jika anda berlaku dengan kemampuan. Dan yang kedua yang sebenarnya sangat menarik adalah sebuah bahan yang berlaku, adalah sesuatu yang orang benar-benar menggunakan, tetapi ia sangat menarik. Saya mencoba untuk diri saya. Yang terakhir adalah yang popular di antara kodak java, ia dipanggil VECA. Saya bekerja dengan NLTK, yang pertama, dan juga yang berkongsi kepada beberapa yang saya menerima di sini. Tetapi di sini, saya mengenai bahan-bahan yang saya rasa seperti. Ini adalah perasaan yang menarik. NLTK adalah bahan-bahan yang baik untuk NLP. Bukan itu apa yang anda gunakan di industri. Jensim adalah sangat baik dan cepat untuk mengajar dokumen dan perangkatan. Saya akan menjelaskannya dengan jauh-jauh jika kita ada masa. Dan kemudian, sebuah pihak yang berkongsi dengan... Mereka ada banyak perkara dan menerima bahan-bahan. Ia berkongsi dengan bahan-bahan dan ia sangat baik untuk mengenai apa yang berlaku, bahan-bahan, kerana bahan-bahan Jerman sangat lama. Jadi, 15 minit lagi. Dan... Dan sebagainya. Ia tidak berakhir, tetapi saya berjanji pada akhirnya, ada link untuk semua listan. Jadi di Rakuten, kita mempunyai teknologi NLP kita sendiri. Analyzer Mophological, yang kita berkongsi dengan jenis dan jepun dan juga kategori untuk VAC. Ini sangat menarik. Rakuten adalah tempat perangkatan. Dan apa yang kita lakukan adalah kita mahu mengawal dan mengawal informasi yang menarik dalam kategori ini. Jadi, ini akan mengubah mereka menjadi VAC. Jadi, apa yang terdekat dengan apa yang New Lawrence berkata? Ia mempunyai lampu di dunia NLP yang kita berkongsi dan berkata, baiklah, sekarang kita akan mempunyai kasun. Ia adalah benar. Jadi, pada awal beberapa tahun yang lalu, yang dua tahun yang lalu, ia hanya tentang perangkatan. Ia mengubah perkataan menjadi berkata-kata dan mengawal mereka menjadi berkata-kata. Sekarang hari ini, keadaan arti yang kita patut Google untuk kerja dengan NLP adalah namanya Recurrent Neural Nets. Atau lebih recentnya, ianya General Aversarial Nets. Tapi, ya, kita boleh pergi ke deta dengan Q&A. Jadi, ini adalah penerbangan yang sangat menarik dari komuniti NLP melakukan transmasi masin dan sehingga-sehingga. Jadi, sehingga-sehingga hanya bermaksud bahawa sehingga-sehingga original, saya akan mengkode mereka menjadi sebuah nombor dan kemudian membuat sebuah transmasi ke langgan target. Mungkin sebuah kawan, atau sebuah syarikat. Jadi, penerbangan dekat, saya akan cepat sedikit. Tapi, penerbangan dekat, mereka semua sangat populer. Setiap orang memiliki pakaian yang besar. Seperti yang kita lihat, Google memiliki penerbangan dekat, MxNet adalah sebenarnya mengadoptifkan oleh Amazon, Microsoft memiliki NLTK dan Torch memiliki Facebook atau RGData dari NYU. Jadi, beberapa pakaian yang menarik bahawa kenapa saya memiliki penerbangan dekat Pertama, saya perlu menolak problem ini. Di mana saya memiliki penerbangan dengan pakaian dan saya tidak tahu mana pakaian itu. Ia ialah penerbangan dekat atau ialah penerbangan atau ialah penerbangan yang juga ialah penerbangan. Saya tidak tahu. Kemudian, saya menerbangan sebuah pakaian, ia tidak nampak terlambat. Ia sebenarnya nampak seperti ini. Tetapi, ia semua pakaian. Jadi, saya fikir ia akan bagus jika saya boleh berhenti menerbangan dan menerbangan pakaian ini di setiap projek saya dan saya hanya melakukannya. Jadi, ya, dari NLTK untuk semua pakaian, pakaian non-pakaian, ini sebenarnya sebuah pakaian import untuk berkata bahawa saya dapat import pakaian. Dan, apa yang saya lakukannya, saya menerbangan, saya menerbangan, saya memiliki pakaan. Dan, indah-indah, pakaian original dari NLTK menerbangan pakaian dan kami berjumpa pada mesyuarat. Kemudian, saya memuliki pakaian lebih banyak dan saya menerbangan pakaian ini disebabkan pakaian transilasi yang membuat pakaian pakaian pakaian yang diperkenalkan di Picon. Sekarang, saya hanya menerbangan apa yang menerbangan pakaian saya. Seperti, ada banyak pakaian kecil di mana-mana dalam pakaian pakaian, NLTK tidak secara eksklusif. Dan, ya, saya menerbangan pakaian kerana saya akan memiliki lebih banyak masa tetapi, pada pakaian ini, kita boleh berkongsi nanti. Apa yang saya belajar adalah dua perkara yang terdapat pakaian adalah pakaian dan menerbangan banyak pakaian adalah juga pakaian untuk menerbangan pakaian saya. Dan juga, menerbangan pakaian yang tidak menerbangan sangat menerbangan. Kerana, apabila anda menerbangan, anda mungkin akan berkata, seperti, saya tidak suka ini, tetapi sebenarnya, anda tidak kata, saya tidak suka ini. Anda kata, ini pakaian membuat sesuatu jadi anda perlu tetap memasukkan perkara yang bolehgesa yang seperti yang mudah. Dan dav Verse bagaimana anda menerbangan perkara yang lebih baik dan perkara yang lebih spesial kerana, di GitHub, anda tidak boleh memasukkan spesial spesial spesial yang output yang baik, tetapi sekarang, saya rasa anda akan mendapat penghargaan ini. Jadi, bagaimana anda menerbangan? Pertama, anda menerbangan yang anda suka. Bukan hanya NLP, anda dapat mencuba apa-apa alih, dan sehingga, anda boleh bergerak seperti kota menerbangan, anda menerbangan, anda menerbangan. Walaupun mereka pun, yang membantu untuk pengguna dan juga membantu untuk anda untuk belajar lebih banyak. Boleh mempunyai keadaan baru, yang adalah apa yang semua orang fikir adalah koding. Anda boleh mempunyai keadaan baru atau rapor, yang adalah sesuatu yang tidak semua penerbangan akan suka, tetapi untuk NLTK, kami akan membuka keadaan. Dan juga anda boleh mempunyai keadaan dan benar-benar banyak keadaan kecil, seperti keadaan kecil dan keadaan. Yang lain yang anda boleh berkontribusi tanpa koding adalah sebenarnya untuk mempunyai keadaan. Tapi jika anda menemukan keadaan, mungkin ia hanya bahawa keadaan tidak ada di sana atau mungkin jika anda meletakkan sesuatu perjalanan yang berlaku dan tidak perlu, anda boleh menyebabkan keadaan tanpa koding dan kemudian seseorang lain boleh menerima keadaan. Anda boleh menjawab pertanyaan yang sangat membantu kerana itu akan membantu kami membantu lebih banyak untuk mempunyai keadaan yang penting dan kemudian mempunyai keadaan kecil. Bukan kerana kita tidak mahu menjawab, ia hanya bahwa masa terdapat dan kami harus membantu seorang lain. Yang terakhir yang kami dapat lakukan adalah berkongsi dengan social media. Ia membantu banyak semasa anda pergi ke Twitter dan berkata, kita menyukai library ini, bukan hanya MLTK tapi semuanya lain. Ia membantu kontributor untuk tahu bahawa mereka sedang melakukan kerja yang berlaku dan juga membantu bahawa anda dapat lebih banyak perhatian supaya anda sendiri dapat mencuba setelah anda suka. Kenapa anda mahu membantu? Satu adalah anda dapat belajar banyak daripada apa yang saya lihat, saya belajar lebih banyak apabila saya memulangkan dan cuba membantu, saya menulis kode sendiri dan cuba mencubanya untuk publikasi apabila saya melakukan perniagaan saya. Tetapi ia sangat membantu apabila anda cuba re-implement sesuatu atau juga memulangkan sesuatu dari scratch yang orang menggunakan untuk membantu anda. Dan juga, semuanya sangat bagus apabila anda membantu pasukan. Ya, jadi ini link ke slide. Kita mempunyai lebih banyak masa untuk berbincang. Walaupun di Rakuten, kita mempunyai open source. Itu hanya perkara. Kita mempunyai, ya, saya perlu cakap itu. Dan, ya, dan ini perkara yang saya rasa yang banyak anda mencari, ini perkara yang menjelaskan anda semasa projek open source yang hanya memberi anda tetapi perkara itu mempunyai perniagaan. Jadi anda perlu memilih untuk mendapatkan perniagaan. Dan itu sesuatu yang saya rasa akan membantu sebagai jener yang membuka perniagaan NLP untuk orang lain dan perniagaan NLP dan perniagaan untuk berkongsi dengan perniagaan. Ya, jadi saya akan kembali ke link di sini. Oh, ya. Ada pertanyaan? Maaf, saya terlalu cepat? Tidak ada pertanyaan? Jadi saya ada pertanyaan. Berapa banyak orang mempunyai perniagaan untuk bekerja? Berapa banyak orang berminat dalam membuat perniagaan untuk membuat perniagaan tetapi tidak mempunyai pilihan untuk bermula? Okey, bermula dengan NLTK atau SPACY. Ya, itu adalah jawapan yang baik. Berapa banyak orang mempunyai perniagaan untuk saya mempunyai perniagaan tetapi saya tidak tahu apa yang harus dibuat dan kita perlukan seseorang. Okey, baiklah. Jadi, pertanyaan. Saya hanya ada pertanyaan dengan NLTK. Ada percaya untuk membuat bersama-sama perniagaan perniagaan? Apabila anda berkongsi dengan orang lain, seperti komentar YouTube yang anda memutuskan perniagaan yang dibuat dalam komentar. Dan membuat perniagaan perniagaan lebih berkongsi. Ada perniagaan untuk membuat itu? Jadi, ada perniagaan untuk membuat perniagaan antiblua. Satu besar perniagaan adalah Facebook. Saya cuba membuat itu. Tetapi, ia bukan sebahagian daripada sebuah penerbangan. Tidak ada penerbangan untuknya. Kemudian, orang lain yang membuat sesuatu yang berlainan adalah kompetensi sosial yang membuat banyak lagi dan juga media tekst. Bukan hanya antiblua, tetapi juga antifake news kerana ia adalah perkara besar di U.S. Ada perniagaan juga untuk membuat perniagaan yang dibuat dalam dunia akademik dan juga perniagaan yang dibuat oleh perniagaan untuk memberikan perniagaan perniagaan. Kemudian anda cuba mencari cara untuk memperkenalkan perniagaan perniagaan atau perniagaan perniagaan atau perniagaan, atau perniagaan perniagaan. Mereka ada kerja, tetapi ia bukan perkara yang berlainan. Ia memang tidak ada penerbangan untuk sekarang, tetapi ia akan menjadi perkara yang menarik untuk memulai kerja. Terima kasih banyak. Ada lagi pertanyaan? Saya terlalu cepat. Ada apa-apa lagi pertanyaan? Ada apa-apa lagi pertanyaan? Saya boleh pergi ke tempat lagi. Mungkin saya ada pertanyaan. Macam mana yang ini sebenarnya bermula menggunakan dua anak-anak ini? Bagaimana cara saya dapat menggunakan satu ini? Okey, jadi cara yang baik untuk bermula adalah untuk mencari penerbangan. Pada penerbangan, ada penerbangan yang mempunyai penerbangan juga yang anda boleh bekerja. Sudah tentu, penerbangan NLTKF tetapi lebih daripada itu, mereka lebih daripada cara untuk memulai penerbangan. Maaf. Tidak menghubungi? Tidak menghubungi. Jadi, yang sangat baik untuk penerbangan penerbangan NLTKF adalah dengan penerbangan adalah dengan penerbangan tenser. Dan kemudian ada sebuah ketakangan yang anda boleh lakukan sesuatu pembentangan. Dan, ya, itu pilihan yang penting yang anda boleh bekerja dengan. Okey. Ada apa-apa lagi pertanyaan? Baiklah. Saya ada lebih banyak pertanyaan. Saya sebenarnya berminat dalam NLTKF. Jadi, bagaimana baik-baiknya? Bagaimana baik-baiknya? Ya, dalam proses proses proses natural. Bagaimana baik-baiknya? Bagaimana baik-baiknya? Bagaimana kita dapat lebih baik? Bagaimana kita dapat lebih baik daripada keadaan kita sekarang? NLTKF. Okey. Mungkin bukan NLTKF, tapi seluruhnya NLTKF. Seluruhnya, ya. Jadi, saya tidak fikir ada kes dalam hidup saya. Paling kurang 50 tahun yang nanti, anda akan melihat orang-orang yang dibuat dengan komputer untuk melakukan penerbangan. Untuk melakukan perkara lain, ya. Untuk penerbangan, kita ada kemampuan superhuman sekarang. Jadi, komputer dapat melihat lebih baik daripada orang-orang. Tapi dalam perlengkuan, ada terlalu banyak kompleksasi. Dan bahawa jika kita melakukan sesuatu untuk perlengkuan, mungkin hanya untuk satu perlengkuan, yang adalah perlengkuan. Dan masih ada kemungkinan perlengkuan lain NLTKF proses proses yang kita perlu lakukan. Itu sebenarnya kepada pertanyaan yang akan saya beri. Seluruh perlengkuan, apa yang yang yang dianggap atau apa yang dianggap dalam perlengkuan dari perlengkuan proses. Saya boleh mula berbicara atau memahami konteks di belakang perlengkuan. Selain perlengkuan, apa yang dianggap? Jadi, dalam perlengkuan perlengkuan, anda bekerja dengan beberapa perlengkuan. Perlengkuan terbaik adalah setiap perlengkuan akan diperlengkuan sejak setiap perlengkuan boleh diperlengkar. Tapi, perlengkuan berlengkar seperti, jika anda mahu memperlengkar perlengkuan menjadi perlengkuan, anda perlu memiliki perlengkuan. Tapi anda tahu bahawa orang chinese tidak ada ruang. Bagaimana anda memutuskan perlengkuan? Bagaimana anda memutuskan perlengkuan? Jadi, mereka masih memilih pertanyaan di dunia penjara. Di industri, mereka telah menggunakan apa-apa yang penjara telah dibuat. Tapi mereka juga memiliki perlengkuan membuat perlengkuan dan perlengkuan berlengkar untuk lebih daripada perlengkuan. Jadi, Microsoft baru-baru memiliki perlengkuan untuk perlengkuan koreana jika saya tidak salah. Tapi, mereka memiliki perlengkuan untuk perlengkuan untuk perlengkuan perlengkuan. Baiklah. Ya, kita memiliki pertanyaan. Ya. Saya rasa saya memiliki pertanyaan tentang perlengkuan dan itu bagaimana... anda memiliki perlengkuan dan anda boleh memiliki perlengkuan atau perlengkuan dan memiliki perlengkuan yang lebih mudah untuk membuat perlengkuan. Ya. Bagaimana itu bekerja? Bagaimana perlengkuan dibuat oleh perlengkuan? Bagaimana itu memiliki untuk memiliki perlengkuan lebih mudah? Jadi, itu adalah jawapan yang sangat lama. Tapi, kita boleh menggunakan ini. Jadi, memiliki perlengkuan yang boleh diperlengkuk ke perlengkuan dan Apple memiliki perlengkuan atau 5, orang-orang yang memiliki perlengkuan dan perlengkuan memiliki perlengkuan 8 tapi kemudian perlengkuan memiliki perlengkuan minus 10 dan kemudian Volkswagen atau Daimler Mercedes memiliki perlengkuan minus 12 anda dapat melihat bagaimana perlengkuan berkuali tapi bagaimana untuk mengajar mereka, anda boleh berbicara dengan kopi. Tapi, itu idea generis. Anda memiliki perlengkuan yang berkuali untuk memperlihatkan mereka pada orang lain. Dan anda memiliki perlengkuan dan kemudian anda akan memiliki mereka. Anda akan memiliki mereka. Ya. Baiklah. Baiklah. Terima kasih. Terima kasih. Terima kasih.