另外補充,本篇作者建議如果讀者是常在NLP領域的資料科學家,建議可以在Python方面更加精進,因為Python不管在資料前處理或者用到更深的Word2vec模型等,都具充足且完整的體系,舉例來說:TFIDF或BOW我們在簡單的sklearn中就可以找到,regression or classification類別模型,也都可以從sklearn中下手,讓使用者建模來說非常方便。

更進階的如Pytorch, tensorflow等,皆完整支持NLP建模,使用上也非常平易近人,更遑論建模彈性,再者,如果要將建模結果應用在軟體或服務上,使用python做prototype或服務佈署上,都相應更有彈性。

--

--

--

Marketing data science. 台灣第一個行銷資料科學(MDS)知識部落,本粉絲專頁在探討行銷資料科學之基礎概念、趨勢、新工具和實作,讓粉絲們瞭解資料科學的行銷運用,並開啟厚植數據分析能力之契機。粉絲專頁:https://www.facebook.com/MarketingDataScienceTMR

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
行銷資料科學

行銷資料科學

Marketing data science. 台灣第一個行銷資料科學(MDS)知識部落,本粉絲專頁在探討行銷資料科學之基礎概念、趨勢、新工具和實作,讓粉絲們瞭解資料科學的行銷運用,並開啟厚植數據分析能力之契機。粉絲專頁:https://www.facebook.com/MarketingDataScienceTMR

More from Medium

5 TIPS TO SET UP AN ACCURATE DEADLINE!

I don’t know how to love

Why You Should Not Miss Dot.Finance

SOLID Principle in Swift