深入淺出 Python NLP：從基礎到生成式 AI 實戰

歡迎來到 iSpan Python NLP Cookbooks！這不僅僅是一份程式碼合輯，而是一套精心設計的互動式學習課程，旨在帶領您從零開始，一步步掌握自然語言處理（NLP）的核心技術，最終具備開發生成式 AI 應用的實戰能力。

---

🌟 這門課為何與眾不同？

在這個資訊爆炸的時代，我們相信最好的學習方式是「做中學」。本課程圍繞一系列真實世界的專案和案例，讓您不只學會「如何做」，更能理解「為何這麼做」。

• 🎯 專案導向：從歌詞分析、評論情感判斷，到智能問答系統，每個章節都圍繞一個實用專案。
• 🤖 接軌前沿：課程內容涵蓋最新的 Transformer、BERT 及檢索增強生成（RAG）技術，直通當前最熱門的生成式 AI 領域。
• 🧱 循序漸進：從環境設定、文本預處理，到經典機器學習、深度學習，再到大型語言模型，學習路徑清晰，適合所有程度的學習者。
• 👐 開源實踐：所有程式碼、教材、數據集完全開源，鼓勵您動手修改、實驗，甚至貢獻您的學習成果。

---

🚀 5 分鐘快速開始

準備好踏上 NLP 的奇妙旅程了嗎？只需幾個簡單步驟：

1. 取得專案：

   git clone https://github.com/iSpan/python-NLP-cookbooks.git
   cd python-NLP-cookbooks

2. 安裝環境 (我們使用 Poetry 管理依賴)：

   poetry install

   首次安裝可能需要一些時間下載模型與數據集，請耐心等候。

3. 啟動 Jupyter Notebook：

   poetry run jupyter notebook

4. 開始學習： 打開瀏覽器，從 課程資料/01_環境安裝與設定/ 開始您的第一堂課！

👉 想要更詳細的指引？請參考 QUICKSTART.md。

---

🗺️ 學習路徑圖

我們為您規劃了三條學習路徑，您可以根據自己的需求和時間安排來選擇：

路徑	適合對象	預計時間	學習重點
🎓 系統學習	NLP 新手、學生、想打好基礎的開發者	40-50 小時	從文本預處理到 Transformer，全面掌握 NLP 知識體系。
🚀 快速實戰	有經驗的開發者、想快速應用的產品經理	10-15 小時	直接挑戰 專案實戰 中的文本分類、問答系統等專案。
🧠 主題鑽研	對特定技術有興趣的進階學習者	5-10 小時	深入 補充教材，鑽研詞向量、文本相似度、CNN/LSTM 等主題。

👉 完整的課程大綱與內容，請見 COURSE_PLAN.md。

---

🛠️ 專案結構概覽

本專案採用模組化結構，讓您輕鬆找到所需資源：

iSpan_python-NLP-cookbooks/
│
├── 課程資料/         # 🎓 主線課程 (CH01-CH09)，從基礎到進階
│
├── 補充教材/         # 📚 針對特定主題的深入探討
│
├── 專案實戰/         # 🚀 端到端的真實世界專案
│
├── datasets/         # 💾 所有教學與專案所需的數據集
│
├── shared_resources/ # 🔧 共用的字典、字體、停用詞等資源
│
├── scripts/          # 🛠️ 用於環境檢查、數據下載的輔助腳本
│
└── README.md         # 📍 就是您正在閱讀的這份文件！

👉 想要了解每個資料夾的詳細用途？請參考 PROJECT_STRUCTURE.md。

---

✨ 專案亮點展示

在本課程中，您將親手打造以下酷炫的專案：

1. 智能問答系統 (RAG)

   • 技術：Hugging Face, FAISS, LangChain
   • 成果：打造一個能根據給定知識庫回答問題的智能助手，是構建企業級知識庫的核心技術。

2. 新聞自動分類器 (BERT Fine-Tuning)

   • 技術：BERT, Transformers Trainer API
   • 成果：微調大型語言模型，實現對新聞文章的高精度自動分類。

3. Google 評論情感分析

   • 技術：CNN, LSTM, Scikit-learn
   • 成果：分析用戶評論，自動判斷其情感傾向（正面/負面/中性）與星等。

4. 歌詞分析與生成

   • 技術：Jieba, Word2Vec, LSTM
   • 成果：從周杰倫的歌詞中分析詞頻與主題，甚至嘗試生成新的歌詞。

---

🤝 如何貢獻

我們歡迎任何形式的貢獻！無論是修正錯字、優化程式碼、補充教材，或是提出新的專案想法，都對我們意義重大。

1. Fork 這個專案。
2. 建立您的分支 (git checkout -b feature/YourFeature)。
3. 提交您的變更 (git commit -m 'Add some feature')。
4. 推送到您的分支 (git push origin feature/YourFeature)。
5. 開啟一個 Pull Request。

---

📜 授權

本專案採用 MIT 授權。詳情請見 LICENSE 文件。

“The journey of a thousand miles begins with a single step.”

現在，就讓我們一起邁出 NLP 學習的第一步吧！