1
00:00:00,000 --> 00:00:08,364

2
00:00:08,364 --> 00:00:08,870
>> LUCAS FREITAS: Hei.

3
00:00:08,870 --> 00:00:09,980
Tervetuloa kaikille.

4
00:00:09,980 --> 00:00:11,216
Nimeni on Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Olen juniori [kuultavissa] opiskelu
tietojenkäsittelytiede jossa keskitytään

6
00:00:15,220 --> 00:00:16,410
laskennallinen kielitiede.

7
00:00:16,410 --> 00:00:19,310
Joten minun toissijainen on kieli
ja kielellinen teoria.

8
00:00:19,310 --> 00:00:21,870
Olen todella innoissani opettaa teille
hieman siitä kenttään.

9
00:00:21,870 --> 00:00:24,300
Se on erittäin jännittävä alue opiskelemaan.

10
00:00:24,300 --> 00:00:27,260
Myös paljon potentiaalia
tulevaisuutta.

11
00:00:27,260 --> 00:00:30,160
Joten, olen todella innoissani, että te
harkitsevat hankkeita

12
00:00:30,160 --> 00:00:31,160
laskennallinen kielitiede.

13
00:00:31,160 --> 00:00:35,460
Ja minä olen enemmän kuin mielellään neuvoja
joku teistä jos päätät

14
00:00:35,460 --> 00:00:37,090
harjoittaa yksi niistä.

15
00:00:37,090 --> 00:00:40,010
>> Joten ensiksi, mitkä ovat laskennallisia
kielitiede?

16
00:00:40,010 --> 00:00:44,630
Joten laskennallinen kielitiede on
leikkauspisteessä kielitieteen ja

17
00:00:44,630 --> 00:00:46,390
tietotekniikassa.

18
00:00:46,390 --> 00:00:47,415
Joten, mikä on kielitiede?

19
00:00:47,415 --> 00:00:48,490
Mikä on tietojenkäsittelytiede?

20
00:00:48,490 --> 00:00:51,580
No alkaen kielitiede, mitä
otamme ovat kieliä.

21
00:00:51,580 --> 00:00:54,960
Joten kielitiede on todella tutkimus
luonnollisen kielen yleensä.

22
00:00:54,960 --> 00:00:58,330
Niin luonnollinen kieli - puhumme
kieli, että me todella käyttävät

23
00:00:58,330 --> 00:00:59,770
kommunikoida toistensa kanssa.

24
00:00:59,770 --> 00:01:02,200
Joten emme tarkalleen puhu
noin C tai Java.

25
00:01:02,200 --> 00:01:05,900
Me puhumme enemmän Englanti ja
Kiinan ja muiden kielten että me

26
00:01:05,900 --> 00:01:07,780
käyttävät kommunikoida toistensa kanssa.

27
00:01:07,780 --> 00:01:12,470
>> Haastava juttu se on, että
nyt meillä on lähes 7000

28
00:01:12,470 --> 00:01:14,260
maailman kielten.

29
00:01:14,260 --> 00:01:19,520
Joten on varsin korkea lajike
kielten että voimme tutkia.

30
00:01:19,520 --> 00:01:22,600
Ja sitten luulet, että se on luultavasti
hyvin vaikea tehdä, esimerkiksi

31
00:01:22,600 --> 00:01:26,960
käännös yhdestä kielestä
muut, koska olet

32
00:01:26,960 --> 00:01:28,240
lähes 7000 heistä.

33
00:01:28,240 --> 00:01:31,450
Joten, jos luulet tehdä käännös
yhdestä kielestä muut olette

34
00:01:31,450 --> 00:01:35,840
on lähes yli miljoona
erilaisia ​​yhdistelmiä, että voit

35
00:01:35,840 --> 00:01:37,330
on kielikohtaisesti.

36
00:01:37,330 --> 00:01:40,820
Joten se on todella haastavaa tehdä joitakin
Tällainen esimerkki käännös järjestelmä

37
00:01:40,820 --> 00:01:43,540
jokainen kieli.

38
00:01:43,540 --> 00:01:47,120
>> Joten, kielitiede kohtelee syntaksin,
semantiikka, pragmatiikka.

39
00:01:47,120 --> 00:01:49,550
Te ette juuri tarvitse
tietää, mitä ne ovat.

40
00:01:49,550 --> 00:01:55,090
Mutta erittäin mielenkiintoinen asia on, että
kuin syntyperäinen puhuja, kun opit

41
00:01:55,090 --> 00:01:59,010
kieltä kuin lapsi, olet itse oppia
kaikki nuo asiat - syntaksin semantiikka

42
00:01:59,010 --> 00:02:00,500
ja pragmatiikka -

43
00:02:00,500 --> 00:02:01,430
itse.

44
00:02:01,430 --> 00:02:04,820
Ja kenenkään ei tarvitse opettaa sinulle syntaksi
sinua ymmärtämään, miten lauseet ovat

45
00:02:04,820 --> 00:02:05,290
jäsennelty.

46
00:02:05,290 --> 00:02:07,980
Niin, se on todella mielenkiintoista, koska
se on jotain, joka tulee hyvin

47
00:02:07,980 --> 00:02:10,389
intuitiivisesti.

48
00:02:10,389 --> 00:02:13,190
>> Ja mitä te viette alkaen
tietojenkäsittelytiede?

49
00:02:13,190 --> 00:02:16,700
No, tärkeintä, että me
on tietotekniikassa on ensimmäinen

50
00:02:16,700 --> 00:02:19,340
kaikki, tekoäly
ja koneoppiminen.

51
00:02:19,340 --> 00:02:22,610
Joten, mitä me yritämme tehdä
laskennallinen kielitiede on opettaa

52
00:02:22,610 --> 00:02:26,990
tietokoneesi miten tehdä jotain
kielen.

53
00:02:26,990 --> 00:02:28,630
>> Niin, esimerkiksi kone
käännös.

54
00:02:28,630 --> 00:02:32,490
Yritän opettaa minun tietokone, kuinka
tietää, miten siirtyminen yhdestä

55
00:02:32,490 --> 00:02:33,310
kieli muille.

56
00:02:33,310 --> 00:02:35,790
Joten, pohjimmiltaan kuin opetus
tietokone kahdella kielellä.

57
00:02:35,790 --> 00:02:38,870
Jos teen luonnollisen kielen käsittely,
joka on kyseessä on esimerkiksi

58
00:02:38,870 --> 00:02:41,810
Facebookin Graph haku, opetat
tietokoneesi miten ymmärtää

59
00:02:41,810 --> 00:02:42,730
kyselyitä hyvin.

60
00:02:42,730 --> 00:02:48,130
>> Joten, jos sanot "kuvia minun
ystäviä. "Facebook ei kohtele että

61
00:02:48,130 --> 00:02:51,130
koko merkkijono, joka on
vain joukko sanoja.

62
00:02:51,130 --> 00:02:56,020
Se todella ymmärtää suhteessa
välillä "valokuvia" ja "ystäväni" ja

63
00:02:56,020 --> 00:02:59,620
ymmärtää, että "valokuvat" ovat
omaisuutta "ystäväni."

64
00:02:59,620 --> 00:03:02,350
>> Niin, se on osa, esimerkiksi
luonnollisen kielen käsittely.

65
00:03:02,350 --> 00:03:04,790
Se yrittää ymmärtää, mitä
on suhde

66
00:03:04,790 --> 00:03:07,520
sanat lauseen.

67
00:03:07,520 --> 00:03:11,170
Ja suuri kysymys on, voitko
opettaa tietokoneen miten puhua

68
00:03:11,170 --> 00:03:12,650
kieltä yleensä?

69
00:03:12,650 --> 00:03:17,810
Joka on hyvin mielenkiintoinen kysymys
ajatella, ikään kuin ehkä tulevaisuudessa,

70
00:03:17,810 --> 00:03:19,930
aiot pystyä
puhua matkapuhelimeesi.

71
00:03:19,930 --> 00:03:23,290
Kind of kuten mitä teemme Siri mutta
jotain enemmän kuin, voit itse

72
00:03:23,290 --> 00:03:25,690
sanoa mitä haluat ja puhelin
tulee ymmärtää kaiken.

73
00:03:25,690 --> 00:03:28,350
Ja se voi olla seurata kysymyksiä
ja vatvoa.

74
00:03:28,350 --> 00:03:30,880
Se on jotain todella jännittävää,
mielestäni.

75
00:03:30,880 --> 00:03:33,070
>> Niin, jotain luonnollista kieltä.

76
00:03:33,070 --> 00:03:36,220
Jotain todella mielenkiintoista
luonnollisella kielellä on se, että, ja tämä on

77
00:03:36,220 --> 00:03:38,470
luottoa minun kielitiede professori,
Maria Polinsky.

78
00:03:38,470 --> 00:03:40,830
Hän antaa esimerkin ja uskon
se on todella mielenkiintoinen.

79
00:03:40,830 --> 00:03:47,060
Koska opimme kieltä siitä, kun
olemme syntyneet ja sitten meidän native

80
00:03:47,060 --> 00:03:49,170
kieli eräänlainen kasvaa meille.

81
00:03:49,170 --> 00:03:52,570
>> Ja pohjimmiltaan opit kieltä
minimaalinen input, eikö?

82
00:03:52,570 --> 00:03:56,700
Olet juuri panosta oman
vanhemmat, mitä kieli kuulostaa

83
00:03:56,700 --> 00:03:58,770
pidät ja vain oppia se.

84
00:03:58,770 --> 00:04:02,240
Niin, se on mielenkiintoista, koska jos tarkastellaan
noita lauseita esimerkiksi.

85
00:04:02,240 --> 00:04:06,980
Näytät ", Mary laittaa takki joka
kerran hän lähtee talosta. "

86
00:04:06,980 --> 00:04:10,650
>> Tässä tapauksessa se on mahdollista saada
sana "hän" viittaa Mary, eikö?

87
00:04:10,650 --> 00:04:13,500
Voit sanoa "Mary laittaa takki
joka kerta Mary lähtee

88
00:04:13,500 --> 00:04:14,960
talo. ", niin se käy hyvin.

89
00:04:14,960 --> 00:04:19,370
Mutta sitten jos tarkastellaan lause
"Hän laittaa takki joka kerta Mary

90
00:04:19,370 --> 00:04:22,850
lähtee talosta. "tiedät sen
mahdotonta sanoa, että "hän" on

91
00:04:22,850 --> 00:04:24,260
viitaten Mary.

92
00:04:24,260 --> 00:04:27,070
>> Ei ole tapa sanoa, että "Mary asettaa
on takki joka kerta Mary lehdet

93
00:04:27,070 --> 00:04:30,790
talon. "Niin se on mielenkiintoista, koska
tämä on sellainen intuitio

94
00:04:30,790 --> 00:04:32,890
että jokainen syntyperäinen puhuja on.

95
00:04:32,890 --> 00:04:36,370
Eikä kukaan opetettiin, että tämä on
siten, että syntaksin toimii.

96
00:04:36,370 --> 00:04:41,930
Ja että voit vain tämä ", hän"
viittaa Mary tässä ensimmäisessä tapauksessa

97
00:04:41,930 --> 00:04:44,260
ja oikeastaan ​​tämä toinen
myös, mutta ei tässä yksi.

98
00:04:44,260 --> 00:04:46,500
Mutta jokainen tavallaan saa
jotta saman vastauksen.

99
00:04:46,500 --> 00:04:48,580
Kaikki ovat yhtä mieltä siitä.

100
00:04:48,580 --> 00:04:53,280
Joten se on todella mielenkiintoista, miten vaikka
et tiedä kaikkia sääntöjä

101
00:04:53,280 --> 00:04:55,575
omalla kielellä sellainen ymmärtää
miten kieli toimii.

102
00:04:55,575 --> 00:04:59,020

103
00:04:59,020 --> 00:05:01,530
>> Joten mielenkiintoinen asia luonnon
kieli on, että sinun ei tarvitse

104
00:05:01,530 --> 00:05:06,970
tiedä mitään syntaksin tietää, jos lause
on kieliopin tai ungrammatical varten

105
00:05:06,970 --> 00:05:08,810
Useimmissa tapauksissa.

106
00:05:08,810 --> 00:05:13,220
Mikä saa sinut ajattelemaan, että ehkä mitä
tapahtuu on, että läpi elämän, sinua

107
00:05:13,220 --> 00:05:17,410
vain pitää saada enemmän ja enemmän
lauseita teille puhunut.

108
00:05:17,410 --> 00:05:19,800
Ja sitten pitää ulkoa
kaikki lauseet.

109
00:05:19,800 --> 00:05:24,230
Ja sitten kun joku kertoo sinulle
jotain, kuulet, että lause ja

110
00:05:24,230 --> 00:05:27,040
sinä katsot sanastoa
lauseiden ja katso jos

111
00:05:27,040 --> 00:05:28,270
että lause on siellä.

112
00:05:28,270 --> 00:05:29,830
Ja jos se on siellä sinua
sanovat, että se kieliopin.

113
00:05:29,830 --> 00:05:31,740
Jos se ei ole sanot se on
ungrammatical.

114
00:05:31,740 --> 00:05:35,150
>> Tuossa tapauksessa sanoisit, oh,
niin sinulla on valtava luettelo kaikista

115
00:05:35,150 --> 00:05:36,140
mahdollista lauseita.

116
00:05:36,140 --> 00:05:38,240
Ja sitten kun kuulet lauseen,
tiedät, jos se on kieliopin tai

117
00:05:38,240 --> 00:05:39,450
ei perustu tämän.

118
00:05:39,450 --> 00:05:42,360
Asia on, että jos tarkastellaan
lause, esimerkiksi "

119
00:05:42,360 --> 00:05:47,540
viisi-johdossa CS50 TFs keitetyt sokea
mustekala käyttäen DAPA muki. "Se on

120
00:05:47,540 --> 00:05:49,630
ehdottomasti ei lause
että olet kuullut ennen.

121
00:05:49,630 --> 00:05:52,380
Mutta samalla tiedät sen
melko paljon kieliopin, eikö?

122
00:05:52,380 --> 00:05:55,570
Ei ole kielioppivirheitä
ja voit sanoa, että

123
00:05:55,570 --> 00:05:57,020
se on mahdollista lause.

124
00:05:57,020 --> 00:06:01,300
>> Joten se tekee meistä ajattelevat, että todella
siten, että opimme kieltä ei ole vain

125
00:06:01,300 --> 00:06:07,090
ottaa valtava tietokanta mahdollisista
sanoja tai lauseita, mutta enemmän

126
00:06:07,090 --> 00:06:11,490
ymmärtäminen suhde
sanat Näitä virkkeitä.

127
00:06:11,490 --> 00:06:14,570
Onko järkeä?

128
00:06:14,570 --> 00:06:19,370
Näin on, niin kysymys on, voiko
tietokoneet oppia kieliä?

129
00:06:19,370 --> 00:06:21,490
Voimmeko opettaa kielen tietokoneisiin?

130
00:06:21,490 --> 00:06:24,230
>> Joten, nyt ajatella eroa
välillä syntyperäinen kielen puhuja

131
00:06:24,230 --> 00:06:25,460
ja tietokone.

132
00:06:25,460 --> 00:06:27,340
Joten, mitä tapahtuu puhujan?

133
00:06:27,340 --> 00:06:30,430
No, syntyperäinen puhuja oppii
kieli altistumisesta sitä.

134
00:06:30,430 --> 00:06:34,200
Yleensä sen varhaislapsuudessa vuotta.

135
00:06:34,200 --> 00:06:38,570
Joten periaatteessa, sinun täytyy vain vauva,
ja sinun pitää puhua siitä, ja se

136
00:06:38,570 --> 00:06:40,540
vain oppii puhumaan
kieli, eikö?

137
00:06:40,540 --> 00:06:42,660
Joten, olet periaatteessa antaa
tulo vauva.

138
00:06:42,660 --> 00:06:45,200
Joten, voit väittää, että tietokone
voi tehdä sama asia, eikö?

139
00:06:45,200 --> 00:06:49,510
Voi vain antaa kieli
syötteenä tietokoneelle.

140
00:06:49,510 --> 00:06:53,410
>> Kuten esimerkiksi joukko tiedostoja
että on kirjoja Englanti.

141
00:06:53,410 --> 00:06:56,190
Ehkä se on yksi tapa, että te
voisi mahdollisesti opettaa

142
00:06:56,190 --> 00:06:57,850
tietokone Englanti, eikö?

143
00:06:57,850 --> 00:07:01,000
Ja itse asiassa, jos ajattelee sitä,
se vie ehkä pari

144
00:07:01,000 --> 00:07:02,680
päivää lukea kirjaa.

145
00:07:02,680 --> 00:07:05,760
Saat tietokone kestää sekunnin
katsokaa kaikki sanat kirjan.

146
00:07:05,760 --> 00:07:10,810
Voit siis ajatella, että voi olla vain tämän
argumentti työpanoksen ympärilläsi,

147
00:07:10,810 --> 00:07:15,440
se ei riitä sanoa, että se on
jotain, että vain ihmiset voivat tehdä.

148
00:07:15,440 --> 00:07:17,680
Voit ajatella tietokoneita
voi myös saada palautetta.

149
00:07:17,680 --> 00:07:21,170
>> Toinen asia on, että äidinkielenään
myös aivot, joka on

150
00:07:21,170 --> 00:07:23,870
kielten oppimisen valmiudet.

151
00:07:23,870 --> 00:07:27,020
Mutta jos ajattelee sitä,
aivot on kiinteä asia.

152
00:07:27,020 --> 00:07:30,450
Kun olet syntynyt, se on jo asetettu -

153
00:07:30,450 --> 00:07:31,320
tämä on aivot.

154
00:07:31,320 --> 00:07:34,660
Ja kun kasvaa, voit vain saada enemmän
tuloon kieltä ja ehkä ravinteita

155
00:07:34,660 --> 00:07:35,960
ja muita juttuja.

156
00:07:35,960 --> 00:07:38,170
Mutta aika paljon aivoihin
on kiinteä asia.

157
00:07:38,170 --> 00:07:41,290
>> Joten voit sanoa, no, ehkä voit
rakentaa tietokone, jossa on joukko

158
00:07:41,290 --> 00:07:45,890
toimintoja ja että vain matkivat
kielten oppimisen valmiudet.

159
00:07:45,890 --> 00:07:49,630
Joten siinä mielessä, voisi sanoa, no, minä
voi olla tietokone, jossa on kaikki

160
00:07:49,630 --> 00:07:52,270
asioita minun täytyy oppia kieltä.

161
00:07:52,270 --> 00:07:56,200
Ja viimeinen asia on, että natiivi
puhuja oppii yrityksen ja erehdyksen.

162
00:07:56,200 --> 00:08:01,090
Joten periaatteessa toinen tärkeä asia
kielen oppiminen on, että olet sellainen

163
00:08:01,090 --> 00:08:05,340
ja oppia asioita tekemällä
yleistyksiä siitä, mitä kuulet.

164
00:08:05,340 --> 00:08:10,280
>> Joten kun varttuvat opit, että
jotkut sanat ovat enemmän kuin sanat,

165
00:08:10,280 --> 00:08:11,820
jotkut muut niistä ovat adjektiiveja.

166
00:08:11,820 --> 00:08:14,250
Ja sinun ei tarvitse olla mitään
tuntemus kielitiede

167
00:08:14,250 --> 00:08:15,040
ymmärtää, että.

168
00:08:15,040 --> 00:08:18,560
Mutta vain tietää olemassa joitakin sanoja
on sijoitettu osaan

169
00:08:18,560 --> 00:08:22,570
virkkeen ja toiset muilla
osia lauseen.

170
00:08:22,570 --> 00:08:26,110
>> Ja että kun teet jotain, joka on
kuten lause, joka ei ole oikein -

171
00:08:26,110 --> 00:08:28,770
ehkä siksi yli yleistys
esimerkiksi.

172
00:08:28,770 --> 00:08:32,210
Ehkä kun olet nuori, huomaat
että monikko on yleensä

173
00:08:32,210 --> 00:08:35,809
muodostetaan asettamalla s
sanan lopussa.

174
00:08:35,809 --> 00:08:40,042
Ja sitten yrität tehdä monikko
"Hirvieläinten" kuin "peuroja" tai "hammas", kuten

175
00:08:40,042 --> 00:08:44,780
"Tooths." Niin sitten vanhempasi tai
joku korjaa sinua ja sanoo ei,

176
00:08:44,780 --> 00:08:49,020
monikko "hirvieläinten" on "hirvi" ja
monikko "hammas" on "hampaat." Ja sitten

177
00:08:49,020 --> 00:08:50,060
opit niitä asioita.

178
00:08:50,060 --> 00:08:51,520
Joten voit oppia ja erehdyksen.

179
00:08:51,520 --> 00:08:53,100
>> Mutta voit myös tehdä
tietokoneen kanssa.

180
00:08:53,100 --> 00:08:55,310
Sinulla voi olla jotain kutsutaan
vahvistaminen oppimista.

181
00:08:55,310 --> 00:08:58,560
Joka on pohjimmiltaan sama kuin antaisi
tietokone palkita, kun se tekee

182
00:08:58,560 --> 00:08:59,410
jotain kunnolla.

183
00:08:59,410 --> 00:09:04,710
Ja antaa sille vastakohta palkita
ja kun se tekee jotain väärin.

184
00:09:04,710 --> 00:09:07,410
Voit itse nähdä, että jos menet
Google Käännä ja yrität

185
00:09:07,410 --> 00:09:10,220
kääntää lause, se
kysyy palautetta.

186
00:09:10,220 --> 00:09:13,240
Joten jos sanot, Voi, on parempi
käännös tämä lause.

187
00:09:13,240 --> 00:09:18,140
Voit kirjoittaa sen ylös ja sitten jos paljon
ihmiset pitää sanoa, että on parempi

188
00:09:18,140 --> 00:09:21,560
käännös, se vain oppii, että se
pitäisi käyttää käännös sijaan

189
00:09:21,560 --> 00:09:22,960
yksi sen antaa.

190
00:09:22,960 --> 00:09:28,830
>> Niin, se on hyvin filosofinen kysymys
nähdä, jos tietokoneita aiotaan

191
00:09:28,830 --> 00:09:30,340
voi puhua tai ei tulevaisuudessa.

192
00:09:30,340 --> 00:09:34,440
Mutta minulla on suuria toiveita, että he voivat
perustu pelkästään nämä väitteet.

193
00:09:34,440 --> 00:09:38,570
Mutta se on vain enemmän filosofinen
kysymys.

194
00:09:38,570 --> 00:09:43,460
>> Joten vaikka tietokoneet silti voi puhua,
mitkä ovat asioita, joita voimme tehdä?

195
00:09:43,460 --> 00:09:47,070
Joitakin todella hienoja asioita ovat
tietojen luokittelu.

196
00:09:47,070 --> 00:09:53,210
Niinpä esimerkiksi, te tiedätte
että sähköpostipalvelut tehdä, sillä

197
00:09:53,210 --> 00:09:55,580
Esimerkiksi roskapostin suodatus.

198
00:09:55,580 --> 00:09:59,070
Joten kun saat roskapostia, se
yrittää suodattaa toiseen ruutuun.

199
00:09:59,070 --> 00:10:00,270
Joten miten se tehdään?

200
00:10:00,270 --> 00:10:06,080
Se ei ole kuin tietokone vain tietää
mitä sähköpostiosoitteet lähettävät roskapostia.

201
00:10:06,080 --> 00:10:09,130
Joten se on enemmän perustuu sisältöön
viestin, tai ehkä nimen tai

202
00:10:09,130 --> 00:10:11,310
ehkä jotkut kuvio, joka sinulla on.

203
00:10:11,310 --> 00:10:15,690
>> Joten periaatteessa, mitä voit tehdä, on saada
paljon tietoa, sähköposteja, jotka ovat roskapostia,

204
00:10:15,690 --> 00:10:19,980
sähköpostit, jotka eivät ole roskapostia, ja oppia, mitä
Tällainen malleja teillä on

205
00:10:19,980 --> 00:10:21,000
ne, jotka ovat roskapostia.

206
00:10:21,000 --> 00:10:23,260
Ja tämä on osa laskennallisen
kielitiede.

207
00:10:23,260 --> 00:10:24,720
Sitä kutsutaan tiedon luokittelun.

208
00:10:24,720 --> 00:10:28,100
Ja me todella tulee nähdä
esimerkki, että seuraavassa dioja.

209
00:10:28,100 --> 00:10:32,910
>> Toinen asia on luonnollista kieltä
käsittely, joka on asia, joka

210
00:10:32,910 --> 00:10:36,580
Kuvaaja Hae tekee kerroit
voit kirjoittaa lauseen.

211
00:10:36,580 --> 00:10:38,690
Ja se uskoo, että ymmärrät mitä
on merkitystä ja antaa

212
00:10:38,690 --> 00:10:39,940
sinulle paremman tuloksen.

213
00:10:39,940 --> 00:10:43,880
Oikeastaan, jos menet Google tai Bing
ja etsit jotain Lady

214
00:10:43,880 --> 00:10:47,060
Gagan korkeus, olet todella menossa
saada 5 '1 "informaation sijaan

215
00:10:47,060 --> 00:10:50,170
hänen koska se todella ymmärtää
mitä puhut.

216
00:10:50,170 --> 00:10:52,140
Joten se on osa luonnollista
kielen käsittelyyn.

217
00:10:52,140 --> 00:10:57,000
>> Vai myös silloin, kun käytät Siri, ensin
sinulla on algoritmi, joka yrittää

218
00:10:57,000 --> 00:11:01,130
kääntää mitä sanot
sanoiksi, tekstimuodossa.

219
00:11:01,130 --> 00:11:03,690
Ja sitten se yrittää kääntää
että osaksi merkitys.

220
00:11:03,690 --> 00:11:06,570
Niin, että kaikki osa luonnon
kielen käsittelyyn.

221
00:11:06,570 --> 00:11:08,320
>> Sitten on machine translation -

222
00:11:08,320 --> 00:11:10,300
joka on itse asiassa yksi
suosikeistani -

223
00:11:10,300 --> 00:11:14,060
joka on juuri kääntämiseen
kielestä toiseen.

224
00:11:14,060 --> 00:11:17,950
Voit siis ajatella, että kun teet
machine translation, sinulla on

225
00:11:17,950 --> 00:11:19,750
loputtomia mahdollisuuksia lauseita.

226
00:11:19,750 --> 00:11:22,960
Joten ei ole tapa vain tallentaa
jokainen käännös.

227
00:11:22,960 --> 00:11:27,440
Joten sinun täytyy keksiä mielenkiintoisia
algoritmit pystyä

228
00:11:27,440 --> 00:11:30,110
kääntää joka ikinen
virke jollakin tavalla.

229
00:11:30,110 --> 00:11:32,483
>> Teillä on kysyttävää tähän mennessä?

230
00:11:32,483 --> 00:11:34,450
Ei?

231
00:11:34,450 --> 00:11:34,830
OK.

232
00:11:34,830 --> 00:11:36,900
>> Joten mitä aiomme nähdä tänään?

233
00:11:36,900 --> 00:11:39,300
Ensinnäkin aion puhua
luokitusta ongelma.

234
00:11:39,300 --> 00:11:41,440
Niin yksi että olin
sanovat roskapostia.

235
00:11:41,440 --> 00:11:46,820
Mitä aion tehdä, on, koska lyrics
laulun, voit yrittää selvittää

236
00:11:46,820 --> 00:11:49,810
suurella todennäköisyydellä
kuka on laulaja?

237
00:11:49,810 --> 00:11:53,590
Oletetaan, että minulla on kappaleita Lady
Gaga ja Katy Perry, jos annan sinulle

238
00:11:53,590 --> 00:11:58,130
uusi biisi, voit selvittää, jos
se Katy Perry vai Lady Gaga?

239
00:11:58,130 --> 00:12:01,490
>> Toinen, olen juuri menossa puhumaan
noin segmentointi ongelma.

240
00:12:01,490 --> 00:12:05,780
Joten en tiedä, jos te tiedätte, mutta
Kiina, japani, muista Itä-Aasian

241
00:12:05,780 --> 00:12:08,090
kieliä, ja muita kieliä
yleisesti, ei ole

242
00:12:08,090 --> 00:12:09,830
välilyönnit sanojen.

243
00:12:09,830 --> 00:12:13,540
Ja sitten jos ajattelee niin, että
tietokoneesi sellainen yrittää

244
00:12:13,540 --> 00:12:18,600
ymmärtää luonnollisen kielen käsittely,
siinä tarkastellaan sanoja ja

245
00:12:18,600 --> 00:12:21,500
yrittää ymmärtää suhteiden
niiden välillä, eikö?

246
00:12:21,500 --> 00:12:25,440
Mutta sitten jos sinulla on kiinalainen, ja te
on nolla välilyöntejä, se on todella vaikea

247
00:12:25,440 --> 00:12:28,360
selville, mitä on suhde
sanoja, koska niillä ei ole mitään

248
00:12:28,360 --> 00:12:29,530
sanoja ensin.

249
00:12:29,530 --> 00:12:32,600
Joten sinun täytyy tehdä jotain kutsutaan
segmentointi mikä tarkoittaa vain laskemisesta

250
00:12:32,600 --> 00:12:36,490
välejä mitä me kutsuisi
sanat näissä kielissä.

251
00:12:36,490 --> 00:12:37,740
Järkeä?

252
00:12:37,740 --> 00:12:39,680

253
00:12:39,680 --> 00:12:41,540
>> Ja sitten me aiomme
puhua syntaksin.

254
00:12:41,540 --> 00:12:44,050
Joten vain vähän luonnollisia
kielen käsittelyyn.

255
00:12:44,050 --> 00:12:45,420
Se tulee olemaan vain yleiskatsaus.

256
00:12:45,420 --> 00:12:50,700
Joten tänään, periaatteessa mitä haluan tehdä
on antaa teille hieman

257
00:12:50,700 --> 00:12:53,930
sisällä mitkä ovat mahdollisuudet
että voit tehdä laskennallisin

258
00:12:53,930 --> 00:12:54,960
kielitiede.

259
00:12:54,960 --> 00:13:00,410
Ja sitten näet, mitä ajattelet
on viileä joukossa asioita.

260
00:13:00,410 --> 00:13:02,270
Ja ehkä voit ajatella hankkeen
ja tule juttelemaan.

261
00:13:02,270 --> 00:13:05,260
Ja voin antaa sinulle neuvoja
miten toteuttaa se.

262
00:13:05,260 --> 00:13:09,060
>> Joten syntaksin tulee olemaan hieman
noin Graph Etsi ja kone

263
00:13:09,060 --> 00:13:09,670
käännös.

264
00:13:09,670 --> 00:13:13,650
Olen juuri menossa antaa esimerkki siitä, miten
voit esimerkiksi kääntää

265
00:13:13,650 --> 00:13:16,020
jotain Portugalin ja Englanti.

266
00:13:16,020 --> 00:13:17,830
Kuulostaako hyvältä?

267
00:13:17,830 --> 00:13:19,293
>> Joten ensin, luokittelun ongelma.

268
00:13:19,293 --> 00:13:23,590
Sanon, että tämä osa seminaarin
tulee olemaan haastavin

269
00:13:23,590 --> 00:13:27,560
yksi vain koska siellä tulee
olevan jonkin verran koodausta.

270
00:13:27,560 --> 00:13:29,470
Mutta se tulee olemaan Python.

271
00:13:29,470 --> 00:13:34,380
Tiedän te tiedä Python, joten
Olen juuri menossa selittää aavalla

272
00:13:34,380 --> 00:13:35,750
tasolla sitä, mitä olen tekemässä.

273
00:13:35,750 --> 00:13:40,900
Ja sinun ei tarvitse oikeastaan ​​piittaa
paljon syntaksin koska se on

274
00:13:40,900 --> 00:13:42,140
jotain te voi oppia.

275
00:13:42,140 --> 00:13:42,540
OK?

276
00:13:42,540 --> 00:13:43,580
Kuulostaa hyvältä.

277
00:13:43,580 --> 00:13:46,020
>> Niin mikä on luokitus ongelma?

278
00:13:46,020 --> 00:13:49,140
Joten olet antanut joitakin sanoituksia
laulu, ja haluat arvata

279
00:13:49,140 --> 00:13:50,620
joka laulaa sitä.

280
00:13:50,620 --> 00:13:54,045
Ja tämä voi olla mitä tahansa
ja muita ongelmia.

281
00:13:54,045 --> 00:13:59,980
Joten se voidaan esimerkiksi olet
presidentinvaalikampanjan ja sinulla on

282
00:13:59,980 --> 00:14:02,610
puheen, ja haluat löytää
, jos se oli esimerkiksi

283
00:14:02,610 --> 00:14:04,470
Obama tai Mitt Romney.

284
00:14:04,470 --> 00:14:07,700
Tai voit olla nippu sähköposteja ja
haluat selvittää, jos ne ovat

285
00:14:07,700 --> 00:14:08,890
roskapostia tai ei.

286
00:14:08,890 --> 00:14:11,440
Niin se vain luokittelemalla joitakin
tiedot perustuvat sanat

287
00:14:11,440 --> 00:14:13,790
että olet siellä.

288
00:14:13,790 --> 00:14:16,295
>> Niin tehdä, että sinun täytyy
tehdä joitakin oletuksia.

289
00:14:16,295 --> 00:14:20,570
Joten paljon laskennallinen kielitiede
tekee oletuksia,

290
00:14:20,570 --> 00:14:24,100
yleensä järkevää oletuksia, jotta
voit saada hyviä tuloksia.

291
00:14:24,100 --> 00:14:26,670
Yritetään luoda malli siitä.

292
00:14:26,670 --> 00:14:31,290
Ja sitten kokeilla sitä ja katso jos se toimii,
jos se antaa sinulle hyvä tarkkuus.

293
00:14:31,290 --> 00:14:33,940
Ja jos niin käy, niin olet
yrittää parantaa sitä.

294
00:14:33,940 --> 00:14:37,640
Jos se ei, olet kuin, OK, ehkä en
pitäisi tehdä erilaisen oletuksen.

295
00:14:37,640 --> 00:14:44,030
>> Niin oletetaan, että aiomme
tehdä on, että taiteilija yleensä laulaa

296
00:14:44,030 --> 00:14:49,220
aiheesta, useita kertoja, ja ehkä
käyttää sanoja useita kertoja vain

297
00:14:49,220 --> 00:14:50,270
koska he ovat tottuneet siihen.

298
00:14:50,270 --> 00:14:51,890
Voit vain kuvitella ystäväsi.

299
00:14:51,890 --> 00:14:57,350
Olen varma, että te kaikki on ystäviä
jotka sanovat niiden allekirjoitus lause,

300
00:14:57,350 --> 00:14:59,260
kirjaimellisesti joka ikinen lause -

301
00:14:59,260 --> 00:15:02,660
kuten jotkut tiettyä sanaa tai tiettyjä
lause, että he sanovat varten

302
00:15:02,660 --> 00:15:04,020
jokainen lause.

303
00:15:04,020 --> 00:15:07,920
>> Ja mitä voit sanoa on, että jos näet
lause, joka on allekirjoitus

304
00:15:07,920 --> 00:15:11,450
lause, voit arvata, että luultavasti
ystäväsi on

305
00:15:11,450 --> 00:15:13,310
yksi sanoen se, eikö?

306
00:15:13,310 --> 00:15:18,410
Niin teet että oletus ja sitten
se miten luoda malli.

307
00:15:18,410 --> 00:15:24,440
>> Esimerkiksi, että aion antaa palaa
kuinka Lady Gaga, esimerkiksi ihmisiä

308
00:15:24,440 --> 00:15:27,430
sanoa, että hän käyttää "vauva" varten
kaikki hänen ykkönen kappaleita.

309
00:15:27,430 --> 00:15:32,270
Ja oikeastaan ​​tämä on video, joka näyttää
hänen sanomalla sanan "vauva" varten

310
00:15:32,270 --> 00:15:33,410
eri kappaleita.

311
00:15:33,410 --> 00:15:33,860
>> [VIDEOTOISTOSTA]

312
00:15:33,860 --> 00:15:34,310
>> - (Laulaen) Baby.

313
00:15:34,310 --> 00:15:36,220
Vauva.

314
00:15:36,220 --> 00:15:37,086
Vauva.

315
00:15:37,086 --> 00:15:37,520
Vauva.

316
00:15:37,520 --> 00:15:37,770
Vauva.

317
00:15:37,770 --> 00:15:38,822
Babe.

318
00:15:38,822 --> 00:15:39,243
Vauva.

319
00:15:39,243 --> 00:15:40,085
Vauva.

320
00:15:40,085 --> 00:15:40,510
Vauva.

321
00:15:40,510 --> 00:15:40,850
Vauva.

322
00:15:40,850 --> 00:15:41,090
>> [END VIDEOTOISTOSTA-

323
00:15:41,090 --> 00:15:44,020
>> LUCAS FREITAS: Niin on, luulen,
40 kappaleita täällä, jossa hän sanoo

324
00:15:44,020 --> 00:15:48,690
sana "vauva". Joten voit periaatteessa arvata
että jos näet kappale, jolla on

325
00:15:48,690 --> 00:15:52,180
sana "vauva" on joitakin korkean
todennäköisyys, että se on Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
Mutta yritetään kehittää tätä
Vielä enemmän muodollisesti.

327
00:15:56,450 --> 00:16:00,470
>> Joten nämä ovat sanoituksia kappaleita
Lady Gaga ja Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Joten sinä katsot Lady Gaga, näet ne
on paljon tapahtumia "baby"

329
00:16:04,120 --> 00:16:07,710
paljon tapahtumia ja "tapa." Ja sitten
Katy Perry on paljon esiintymiä

330
00:16:07,710 --> 00:16:10,360
"," Paljon esiintymiä "tulen."

331
00:16:10,360 --> 00:16:14,560
>> Joten periaatteessa mitä haluamme
tehdä, on, saat lyyrinen.

332
00:16:14,560 --> 00:16:20,480
Oletetaan, että saat lyric varten
laulu, joka on "vauva" vain "vauva". Jos

333
00:16:20,480 --> 00:16:24,750
juuri saada sana "vauva" ja tämä
on kaikki tiedot, jonka saat

334
00:16:24,750 --> 00:16:27,880
Lady Gaga ja Katy Perry, kukapa
Arvaatko on henkilö

335
00:16:27,880 --> 00:16:29,370
joka laulaa laulun?

336
00:16:29,370 --> 00:16:32,360
Lady Gaga tai Katy Perry?

337
00:16:32,360 --> 00:16:33,150
Lady Gaga, eikö?

338
00:16:33,150 --> 00:16:37,400
Koska hän on ainoa, joka sanoo
"Vauva". Tämä kuulostaa tyhmä, eikö?

339
00:16:37,400 --> 00:16:38,760
OK, tämä on todella helppoa.

340
00:16:38,760 --> 00:16:41,860
Olen vain katsomalla kaksi kappaletta ja
Tietenkin hän on ainoa, jolla on

341
00:16:41,860 --> 00:16:42,660
"Vauva".

342
00:16:42,660 --> 00:16:44,740
>> Mutta mitä jos sinulla on nippu sanoja?

343
00:16:44,740 --> 00:16:50,900
Jos sinulla on todellinen lyric, jotain
kuten "vauva, minä vain

344
00:16:50,900 --> 00:16:51,610
meni tapaamaan [? CFT?]

345
00:16:51,610 --> 00:16:54,020
luento "tai jotain sinne päin, ja
sitten sinun todella täytyy selvittää -

346
00:16:54,020 --> 00:16:55,780
perustuvat kaikki nämä sanat -

347
00:16:55,780 --> 00:16:58,350
kuka on taiteilija, joka luultavasti
lauloi tämän laulun?

348
00:16:58,350 --> 00:17:01,860
Joten yritetään kehittää
Tässä hieman pidemmälle.

349
00:17:01,860 --> 00:17:05,630
>> OK, joten perustua pelkästään tietoihin, että me
sai, näyttää siltä, ​​että Gaga on luultavasti

350
00:17:05,630 --> 00:17:06,260
laulaja.

351
00:17:06,260 --> 00:17:07,904
Mutta miten voimme kirjoittaa
Tämän virallisemmin?

352
00:17:07,904 --> 00:17:10,579

353
00:17:10,579 --> 00:17:13,140
Ja siellä tulee olemaan hieman
vähän tilastoja.

354
00:17:13,140 --> 00:17:15,880
Joten jos eksyt, kokeile
ymmärtää käsite.

355
00:17:15,880 --> 00:17:18,700
Sillä ei ole väliä, jos ymmärrät
yhtälöt aivan hyvin.

356
00:17:18,700 --> 00:17:22,150
Tämä kaikki tulee olemaan verkossa.

357
00:17:22,150 --> 00:17:25,490
>> Joten periaatteessa mitä olen laskettaessa on
Todennäköisyys, että tämä laulu on by

358
00:17:25,490 --> 00:17:28,040
Lady Gaga otetaan huomioon, että -

359
00:17:28,040 --> 00:17:30,660
joten tämä tankoväline koska -

360
00:17:30,660 --> 00:17:33,680
Näin sana "vauva".
Onko järkeä?

361
00:17:33,680 --> 00:17:35,540
Joten yritän laskea
että todennäköisyys.

362
00:17:35,540 --> 00:17:38,540
>> Joten ei tämä lause nimeltään
Bayes lause, joka sanoo, että

363
00:17:38,540 --> 00:17:43,330
todennäköisyys tietyn B, on
todennäköisyys B annetaan, kertaa

364
00:17:43,330 --> 00:17:47,660
todennäköisyys, yli todennäköisyys
B. Tämä on pitkä yhtälö.

365
00:17:47,660 --> 00:17:51,970
Mutta mitä sinun täytyy ymmärtää alkaen
se on, että tämä on mitä haluan

366
00:17:51,970 --> 00:17:52,830
laskea, eikö?

367
00:17:52,830 --> 00:17:56,570
Niin todennäköisyys, että että laulu on vuoteen
Lady Gaga koska olen nähnyt sanan

368
00:17:56,570 --> 00:17:58,230
"Vauva".

369
00:17:58,230 --> 00:18:02,960
>> Ja nyt, mitä Saan on
todennäköisyys sana "vauva" annettuja

370
00:18:02,960 --> 00:18:04,390
että minulla on Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
Ja mitä on se, että pohjimmiltaan?

372
00:18:07,220 --> 00:18:10,500
Tämä tarkoittaa sitä, mikä on
todennäköisyys nähdä sana "vauva"

373
00:18:10,500 --> 00:18:12,130
in Gaga lyrics?

374
00:18:12,130 --> 00:18:16,240
Jos haluan laskea, että hyvin
yksinkertaisella tavalla, se on vain numero

375
00:18:16,240 --> 00:18:23,640
kertaa näen "vauva" over kokonaismäärä
sanojen Gaga lyrics, eikö?

376
00:18:23,640 --> 00:18:27,600
Mikä on taajuus, näen
että sana Gagan toimii?

377
00:18:27,600 --> 00:18:30,530
Järkeä?

378
00:18:30,530 --> 00:18:33,420
>> Toinen termi on
todennäköisyys Gaga.

379
00:18:33,420 --> 00:18:34,360
Mitä se tarkoittaa?

380
00:18:34,360 --> 00:18:38,550
Tämä tarkoittaa periaatteessa sitä, mikä on
todennäköisyys luokittelussa

381
00:18:38,550 --> 00:18:40,690
lyriikoita kuin Gaga?

382
00:18:40,690 --> 00:18:45,320
Ja se on outo, mutta
Ajatellaan esimerkkinä.

383
00:18:45,320 --> 00:18:49,230
Joten sanotaan, että todennäköisyys
ottaa "vauva" in biisi on sama

384
00:18:49,230 --> 00:18:51,760
Gaga ja Britney Spears.

385
00:18:51,760 --> 00:18:54,950
Mutta Britney Spears on kahdesti
enemmän kappaleita kuin Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Joten jos joku vain satunnaisesti saat
lyrics "baby", ensimmäinen asia, sinun

387
00:19:00,570 --> 00:19:04,710
tarkastella on, mikä on todennäköisyys
ottaa "vauva" in Gaga biisi "vauva"

388
00:19:04,710 --> 00:19:05,410
vuonna Britney laulu?

389
00:19:05,410 --> 00:19:06,460
Ja se on sama asia.

390
00:19:06,460 --> 00:19:10,040
>> Joten toinen asia, että näet on,
No, mikä on todennäköisyys

391
00:19:10,040 --> 00:19:13,770
Tämän lyric itsessään on Gaga lyric,
ja mikä on todennäköisyys

392
00:19:13,770 --> 00:19:15,380
että Britney lyric?

393
00:19:15,380 --> 00:19:18,950
Joten koska Britney on niin paljon enemmän lyrics
kuin Gaga, olet luultavasti

394
00:19:18,950 --> 00:19:21,470
sanoa, no, tämä on luultavasti
Britney lyyrinen.

395
00:19:21,470 --> 00:19:23,340
Joten siksi meillä on tämä
termi täällä.

396
00:19:23,340 --> 00:19:24,670
Todennäköisyys Gaga.

397
00:19:24,670 --> 00:19:26,950
Järkevää?

398
00:19:26,950 --> 00:19:28,660
Onko se?

399
00:19:28,660 --> 00:19:29,370
OK.

400
00:19:29,370 --> 00:19:33,500
>> Ja viimeinen on vain todennäköisyys
"baby", joka ei

401
00:19:33,500 --> 00:19:34,810
oikeastaan ​​väliä, että paljon.

402
00:19:34,810 --> 00:19:39,940
Mutta se todennäköisyys
näkeminen "vauva" Englanti.

403
00:19:39,940 --> 00:19:42,725
Me yleensä eivät välitä, että
paljon, että termi.

404
00:19:42,725 --> 00:19:44,490
Onko järkeä?

405
00:19:44,490 --> 00:19:48,110
Joten todennäköisyys Gaga on
kutsutaan ennen todennäköisyys

406
00:19:48,110 --> 00:19:49,530
luokan Gaga.

407
00:19:49,530 --> 00:19:53,840
Koska se tarkoittaa vain sitä, että mikä on
todennäköisyys ottaa tämän luokan -

408
00:19:53,840 --> 00:19:55,520
joka on Gaga -

409
00:19:55,520 --> 00:19:59,350
vain yleensä vain
ilman ehtoja.

410
00:19:59,350 --> 00:20:02,560
>> Ja sitten kun minulla on todennäköisyys
Gaga annetaan "baby", me kutsumme sitä plus

411
00:20:02,560 --> 00:20:06,160
teary todennäköisyys, koska se on
todennäköisyys, että

412
00:20:06,160 --> 00:20:08,300
Gaga annetaan jonkin verran näyttöä.

413
00:20:08,300 --> 00:20:11,050
Joten annan sinulle todisteet
että olen nähnyt sanan vauvan ja

414
00:20:11,050 --> 00:20:12,690
laulu järkeä?

415
00:20:12,690 --> 00:20:15,960

416
00:20:15,960 --> 00:20:16,410
OK.

417
00:20:16,410 --> 00:20:22,400
>> Jos siis laskenut, että kullekin
kappaleet Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
mitä se olisi -

419
00:20:25,916 --> 00:20:27,730
ilmeisesti, en voi siirtää tämän.

420
00:20:27,730 --> 00:20:31,850

421
00:20:31,850 --> 00:20:36,920
Todennäköisyys Gaga on
jotain, 2 yli 24, kertaa 1/2,

422
00:20:36,920 --> 00:20:38,260
yli 2 yli 53.

423
00:20:38,260 --> 00:20:40,640
Sillä ei ole väliä, jos tiedät mitä
nämä luvut ovat peräisin.

424
00:20:40,640 --> 00:20:44,750
Mutta se on vain numero, joka on menossa
olla enemmän kuin 0, eikö?

425
00:20:44,750 --> 00:20:48,610
>> Ja sitten kun teen Katy Perry,
todennäköisyys "vauva" annetaan Katy on

426
00:20:48,610 --> 00:20:49,830
jo 0, eikö?

427
00:20:49,830 --> 00:20:52,820
Koska ei ole mitään "vauva"
Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Niin sitten tämä tulee 0, ja Gaga
voittoa, mikä tarkoittaa, että Gaga on

429
00:20:56,360 --> 00:20:57,310
luultavasti laulaja.

430
00:20:57,310 --> 00:20:58,560
Onko järkeä?

431
00:20:58,560 --> 00:21:00,700

432
00:21:00,700 --> 00:21:01,950
OK.

433
00:21:01,950 --> 00:21:04,160

434
00:21:04,160 --> 00:21:11,750
>> Joten jos haluan tehdä asiasta virallisen,
Voin itse tehdä malli

435
00:21:11,750 --> 00:21:12,700
useita sanoja.

436
00:21:12,700 --> 00:21:14,610
Joten haluan sanoa, että minulla on jotain
kuten "vauva, olen

437
00:21:14,610 --> 00:21:16,030
tulessa ", tai jotain.

438
00:21:16,030 --> 00:21:17,760
Joten se on useita sanoja.

439
00:21:17,760 --> 00:21:20,880
Ja tässä tapauksessa, näet
että "vauva" on Gaga,

440
00:21:20,880 --> 00:21:21,710
mutta se ei ole Katy.

441
00:21:21,710 --> 00:21:24,940
Ja "palo" on Katy, mutta
se ei ole Gaga, eikö?

442
00:21:24,940 --> 00:21:27,200
Niin se alkaa hankalampi, eikö?

443
00:21:27,200 --> 00:21:31,440
Koska näyttää siltä, ​​että melkein
on tasan kaksi.

444
00:21:31,440 --> 00:21:36,980
>> Joten mitä sinun tarvitsee tehdä on olettaa
riippumattomuus joukossa sanoja.

445
00:21:36,980 --> 00:21:41,210
Joten periaatteessa mitä se tarkoittaa, että
Olen vain laskettaessa, mikä on

446
00:21:41,210 --> 00:21:44,330
todennäköisyys nähdä "vauva", mikä on
todennäköisyys nähdä "I" ja

447
00:21:44,330 --> 00:21:46,670
"Olen", ja "on" ja "palo"
kaikki erikseen.

448
00:21:46,670 --> 00:21:48,670
Sitten olen kertomalla ne kaikki.

449
00:21:48,670 --> 00:21:52,420
Ja näen mikä on todennäköisyys
nähdä koko lause.

450
00:21:52,420 --> 00:21:55,210
Järkeä?

451
00:21:55,210 --> 00:22:00,270
>> Joten periaatteessa, jos minulla on vain yksi sana,
mitä haluan löytää on arg max,

452
00:22:00,270 --> 00:22:05,385
mikä tarkoittaa, mikä on luokka, joka on
antaa minulle suurin todennäköisyys?

453
00:22:05,385 --> 00:22:10,010
Joten mikä on luokka, joka antaa
minulle suurimman todennäköisyyden,

454
00:22:10,010 --> 00:22:11,940
todennäköisyys luokan tiettyä sanaa.

455
00:22:11,940 --> 00:22:17,610
Joten tässä tapauksessa, Gaga annetaan "baby."
Tai Katy annetaan "baby." Järkeä?

456
00:22:17,610 --> 00:22:21,040
>> Ja pelkästään Bayes, että
yhtälö, että näytin,

457
00:22:21,040 --> 00:22:24,780
luomme tämän jakeen.

458
00:22:24,780 --> 00:22:28,750
Ainoa asia on, että näet, että
todennäköisyys sana annetaan

459
00:22:28,750 --> 00:22:31,370
luokka muuttuu riippuen
on luokka, eikö?

460
00:22:31,370 --> 00:22:34,260
Määrä "vauvan" s että minulla on
in Gaga on erilainen kuin Katy.

461
00:22:34,260 --> 00:22:37,640
Todennäköisyys luokan myös
muutoksia, koska se on vain numero

462
00:22:37,640 --> 00:22:39,740
kappaleita jokainen niistä on.

463
00:22:39,740 --> 00:22:43,980
>> Mutta todennäköisyys sana itse
tulee olemaan sama kaikille

464
00:22:43,980 --> 00:22:44,740
taiteilijoita, eikö?

465
00:22:44,740 --> 00:22:47,150
Niin todennäköisyys, että sana on
juuri, mikä on todennäköisyys

466
00:22:47,150 --> 00:22:49,820
nähdä, että sana
Englanti kieli?

467
00:22:49,820 --> 00:22:51,420
Joten se on sama kaikille niistä.

468
00:22:51,420 --> 00:22:55,790
Joten koska tämä on vakio, voimme vain
pudota tämä ja siitä välitä.

469
00:22:55,790 --> 00:23:00,230
Joten tämä on todella
yhtälö etsimme.

470
00:23:00,230 --> 00:23:03,360
>> Ja jos minulla on useita sanoja, olen
vielä menossa on ennen

471
00:23:03,360 --> 00:23:04,610
todennäköisyys täällä.

472
00:23:04,610 --> 00:23:06,980
Ainoa asia on, että olen kertomalla
todennäköisyys

473
00:23:06,980 --> 00:23:08,490
kaikki muut sanat.

474
00:23:08,490 --> 00:23:10,110
Joten olen kertomalla ne kaikki.

475
00:23:10,110 --> 00:23:12,610
Järkeä?

476
00:23:12,610 --> 00:23:18,440
Se näyttää oudolta, mutta periaatteessa sitä,
laskea ennen tämän luokan ja

477
00:23:18,440 --> 00:23:22,100
Sitten kerrotaan todennäköisyys kunkin
sanoista on tässä luokassa.

478
00:23:22,100 --> 00:23:24,620

479
00:23:24,620 --> 00:23:29,150
>> Ja te tiedätte, että todennäköisyys
sana annetaan luokka tulee olemaan

480
00:23:29,150 --> 00:23:34,520
monta kertaa huomaat, että sana
tämän luokan, jaettuna määrä

481
00:23:34,520 --> 00:23:37,020
sanoja teillä on, että
luokan yleensä.

482
00:23:37,020 --> 00:23:37,990
Järkeä?

483
00:23:37,990 --> 00:23:41,680
Se on vain, kuinka "vauva" oli 2 yli
sanojen määrästä

484
00:23:41,680 --> 00:23:43,020
Minulla oli lyrics.

485
00:23:43,020 --> 00:23:45,130
Joten taajuus.

486
00:23:45,130 --> 00:23:46,260
>> Mutta on yksi asia.

487
00:23:46,260 --> 00:23:51,250
Muista kuinka oli osoittaa, että
todennäköisyys "vauva" on lyrics

488
00:23:51,250 --> 00:23:56,350
Katy Perry on 0 vain siksi Katy
Perry ei ole "vauva" ollenkaan?

489
00:23:56,350 --> 00:24:04,900
Mutta se kuulostaa hieman tyly vain
yksinkertaisesti sanoa, että sanoitukset eivät voi olla

490
00:24:04,900 --> 00:24:10,040
taiteilija vain koska heillä ei ole
että sana erityisesti milloin tahansa.

491
00:24:10,040 --> 00:24:13,330
>> Joten voit vain sanoa, hyvin, jos
ei ole tätä sanaa, aion

492
00:24:13,330 --> 00:24:15,640
antaa sinulle pienemmän todennäköisyys,
mutta olen vain aio

493
00:24:15,640 --> 00:24:17,420
antaa sinulle 0 heti.

494
00:24:17,420 --> 00:24:21,040
Koska ehkä se oli jotain,
"Tulipalo, tulipalo, tulipalo, tulipalo", joka on

495
00:24:21,040 --> 00:24:21,990
täysin Katy Perry.

496
00:24:21,990 --> 00:24:26,060
Ja sitten "vauva" ja se vain menee
0 heti, koska siellä oli yksi

497
00:24:26,060 --> 00:24:27,250
"Vauva".

498
00:24:27,250 --> 00:24:31,440
>> Joten periaatteessa mitä teemme, on jotain
nimeltään Laplace tasoitusta.

499
00:24:31,440 --> 00:24:36,260
Ja tämä tarkoittaa vain sitä, että annan
jonkinlaisella todennäköisyydellä jopa sanat

500
00:24:36,260 --> 00:24:37,850
joita ei ole olemassa.

501
00:24:37,850 --> 00:24:43,170
Joten mitä teen, on että kun olen
laskennassa, olen aina lisää 1

502
00:24:43,170 --> 00:24:44,180
osoittaja.

503
00:24:44,180 --> 00:24:48,060
Joten vaikka sana ei ole,
Tässä tapauksessa, jos tämä on 0, olen silti

504
00:24:48,060 --> 00:24:51,250
Laskettaessa tätä 1 yli
kokonaismäärä sanoja.

505
00:24:51,250 --> 00:24:55,060
Muuten, saan kuinka monta sanaa
Minulla ja lisään 1.

506
00:24:55,060 --> 00:24:58,300
Joten Luotan molemmissa tapauksissa.

507
00:24:58,300 --> 00:25:00,430
Järkeä?

508
00:25:00,430 --> 00:25:03,060
>> Joten nyt tehkäämme joitakin koodausta.

509
00:25:03,060 --> 00:25:06,440
Aion täytyy tehdä se melko nopeasti,
mutta se on vain tärkeää, että

510
00:25:06,440 --> 00:25:08,600
kaverit ymmärtävät käsitteet.

511
00:25:08,600 --> 00:25:13,450
Joten mitä me yritämme tehdä
on juuri toteuttaa tämän

512
00:25:13,450 --> 00:25:14,330
asia, että juuri sanoin -

513
00:25:14,330 --> 00:25:19,110
Haluan laittaa lyrics from
Lady Gaga ja Katy Perry.

514
00:25:19,110 --> 00:25:22,980
Ja ohjelma tulee pystyä
eli jos nämä uudet sanoitukset ovat Gaga

515
00:25:22,980 --> 00:25:24,170
tai Katy Perry.

516
00:25:24,170 --> 00:25:25,800
Järkeä?

517
00:25:25,800 --> 00:25:27,530
OK.

518
00:25:27,530 --> 00:25:30,710
>> Joten minulla on tämä ohjelma aion
soittaa classify.py.

519
00:25:30,710 --> 00:25:31,970
Joten tämä on Python.

520
00:25:31,970 --> 00:25:34,210
Se on uusi ohjelmointikieli.

521
00:25:34,210 --> 00:25:38,020
Se on hyvin samanlainen joissakin
tapoja C ja PHP.

522
00:25:38,020 --> 00:25:43,180
Se muistuttaa, koska jos haluat
oppia Python kun tietää C, se on

523
00:25:43,180 --> 00:25:46,270
todellakaan ole niin paljon haastetta
vain koska Python on paljon helpompaa

524
00:25:46,270 --> 00:25:47,520
kuin C ensinnäkin.

525
00:25:47,520 --> 00:25:49,370
Ja paljon asioita on jo
täytäntöön sinulle.

526
00:25:49,370 --> 00:25:56,820
Joten miten kuten PHP on useita toimintoja,
lajitella luettelon, tai liittää jotain

527
00:25:56,820 --> 00:25:58,780
to array, tai blaa, blaa, blaa.

528
00:25:58,780 --> 00:26:00,690
Python on kaikki nekin.

529
00:26:00,690 --> 00:26:05,960
>> Joten olen juuri menossa selittää nopeasti
miten voisimme tehdä luokitusta

530
00:26:05,960 --> 00:26:07,860
ongelma täällä.

531
00:26:07,860 --> 00:26:13,230
Sanotaan siis, että tässä tapauksessa, minulla on
lyrics from Gaga ja Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Siten, että minulla on niitä lyrics on, että
ensimmäinen sana lyrics on

533
00:26:21,880 --> 00:26:25,250
taiteilijan nimi ja
loput on lyrics.

534
00:26:25,250 --> 00:26:29,470
Joten haluan sanoa, että minulla on tämän luettelon
joista ensimmäinen on sanoittanut Gaga.

535
00:26:29,470 --> 00:26:31,930
Joten tässä olen oikealla tiellä.

536
00:26:31,930 --> 00:26:35,270
Ja seuraava on Katy, ja
se on myös sanoitukset.

537
00:26:35,270 --> 00:26:38,040
>> Joten tämä on, miten voit julistaa
muuttuja Python.

538
00:26:38,040 --> 00:26:40,200
Sinun ei tarvitse antaa tietotyyppi.

539
00:26:40,200 --> 00:26:43,150
Sinä vain kirjoittaa "lyrics"
ikään kuin PHP.

540
00:26:43,150 --> 00:26:44,890
Järkeä?

541
00:26:44,890 --> 00:26:47,770
>> Mitkä ovat asioita, joita minun täytyy
laskea pystyä laskemaan

542
00:26:47,770 --> 00:26:49,360
todennäköisyyksiä?

543
00:26:49,360 --> 00:26:55,110
Minun täytyy laskea "prioritodennäköisyydet"
Kunkin eri

544
00:26:55,110 --> 00:26:56,710
luokat, jotka minulla on.

545
00:26:56,710 --> 00:27:06,680
Minun täytyy laskea "posteriors"
tai melko paljon todennäköisyydet

546
00:27:06,680 --> 00:27:12,150
kunkin eri sanoja, jotka
Voin olla kunkin taiteilijan.

547
00:27:12,150 --> 00:27:17,210
Joten sisällä Gaga, esimerkiksi aion
on lista kuinka monta kertaa näen

548
00:27:17,210 --> 00:27:19,250
kukin sanoja.

549
00:27:19,250 --> 00:27:20,760
Järkeä?

550
00:27:20,760 --> 00:27:25,370
>> Ja lopuksi, olen juuri menossa
luettelon nimeltä "sanoja", joka on juuri menossa

551
00:27:25,370 --> 00:27:29,780
olla kuinka monta sanaa I
ovat kunkin taiteilijan.

552
00:27:29,780 --> 00:27:33,760
Joten Gaga, esimerkiksi kun katson
sanoittaja, olin mielestäni 24

553
00:27:33,760 --> 00:27:34,750
sanat yhteensä.

554
00:27:34,750 --> 00:27:38,970
Joten tämä lista on vain täytyy
Gaga 24, ja Katy toiseen numeroon.

555
00:27:38,970 --> 00:27:40,130
Järkeä?

556
00:27:40,130 --> 00:27:40,560
OK.

557
00:27:40,560 --> 00:27:42,530
>> Joten nyt oikeastaan, nyt
Siirry koodausta.

558
00:27:42,530 --> 00:27:45,270
Joten Python, voit itse
palata joukko eri

559
00:27:45,270 --> 00:27:46,630
asioita toiminto.

560
00:27:46,630 --> 00:27:50,810
Joten aion luoda tämän toiminnon
nimeltään "ehdollinen", joka on menossa

561
00:27:50,810 --> 00:27:53,890
palauttaa kaikki ne asiat,
"Priorit", "todennäköisyyksiä", ja

562
00:27:53,890 --> 00:28:05,690
"Sanoja". Niin "ehdollinen", ja se on
aiotaan vaarantaa "lyrics."

563
00:28:05,690 --> 00:28:11,510
>> Joten nyt haluan sinun todella
kirjoittaa tätä toimintoa.

564
00:28:11,510 --> 00:28:17,750
Niin niin, että voin kirjoittaa tämän
Toiminto Sain määritelty tämän

565
00:28:17,750 --> 00:28:20,620
toimimaan "def." Niin tein "def
ehdollinen, "ja se kestää

566
00:28:20,620 --> 00:28:28,700
"Lyrics." Ja mitä tämä aikoo tehdä
on ensinnäkin, minulla on aiempia tuomioita

567
00:28:28,700 --> 00:28:31,030
että haluan laskea.

568
00:28:31,030 --> 00:28:34,330
>> Niin niin, että voin tehdä tämä on luoda
sanakirja Python, joka

569
00:28:34,330 --> 00:28:37,320
on melko sama asia kuin hash
taulukon tai se on kuin iteratiivinen

570
00:28:37,320 --> 00:28:40,480
array PHP.

571
00:28:40,480 --> 00:28:44,150
Näin minä julistaa sanakirja.

572
00:28:44,150 --> 00:28:53,580
Ja periaatteessa mitä tämä tarkoittaa, että
prioritodennäköisyydet of Gaga on 0,5, jos esimerkiksi

573
00:28:53,580 --> 00:28:57,200
50% sanoitukset ovat alkaen
Gaga, 50% on peräisin Katy.

574
00:28:57,200 --> 00:28:58,450
Järkeä?

575
00:28:58,450 --> 00:29:00,680

576
00:29:00,680 --> 00:29:03,680
Joten minun täytyy selvittää, miten
laskea prioritodennäköisyydet.

577
00:29:03,680 --> 00:29:07,120
>> Seuraavan ne, jotka minun täytyy tehdä myös,
ovat todennäköisyydet ja sanoja.

578
00:29:07,120 --> 00:29:17,100
Niin todennäköisyydet Gaga on luettelo
kaikki todennäköisyydet, että olen

579
00:29:17,100 --> 00:29:19,160
on kunkin sanoja Gaga.

580
00:29:19,160 --> 00:29:23,880
Joten jos menen todennäköisyyksiä Gaga
"Vauva", esimerkiksi, se antaa minulle

581
00:29:23,880 --> 00:29:28,750
jotain 2 yli 24 tässä tapauksessa.

582
00:29:28,750 --> 00:29:30,070
Järkeä?

583
00:29:30,070 --> 00:29:36,120
Joten en mene "todennäköisyyksiä," mene
"Gaga" kauha, joka on luettelo kaikista

584
00:29:36,120 --> 00:29:40,550
Gaga sanat, sitten menen "vauva"
ja näen todennäköisyydellä.

585
00:29:40,550 --> 00:29:45,940
>> Ja lopuksi minulla on tämä
"Sanat" sanakirja.

586
00:29:45,940 --> 00:29:53,620
Joten tässä, "todennäköisyyksiä." Ja sitten
"Sanoja". Joten jos teen "sanoja", "Gaga"

587
00:29:53,620 --> 00:29:58,330
mitä tulee tapahtumaan on, että se
aio antaa minulle 24, sanomalla, että minä

588
00:29:58,330 --> 00:30:01,990
on 24 sanoja lyrics from Gaga.

589
00:30:01,990 --> 00:30:04,110
Järkevää?

590
00:30:04,110 --> 00:30:07,070
Joten tässä, "sanoja" on yhtä kuin Dah-Dah-dah.

591
00:30:07,070 --> 00:30:07,620
Kunnossa

592
00:30:07,620 --> 00:30:12,210
>> Joten mitä aion tehdä, on Aion
kerrata enemmän kuin lyrics, joten

593
00:30:12,210 --> 00:30:14,490
kukin naruja
Minulla on luettelossa.

594
00:30:14,490 --> 00:30:18,040
Ja aion laskea niitä asioita
kunkin ehdokkaita.

595
00:30:18,040 --> 00:30:19,950
Järkevää?

596
00:30:19,950 --> 00:30:21,700
Joten minun täytyy tehdä silmukka.

597
00:30:21,700 --> 00:30:26,300
>> Joten Python mitä voin tehdä on "linja
in lyrics. "sama asia kuin

598
00:30:26,300 --> 00:30:28,000
"Jokaiselle" lausunto PHP.

599
00:30:28,000 --> 00:30:33,420
Muistakaa, kuinka se oli PHP voisin
sanoa "jokaiselle lyrics kuten

600
00:30:33,420 --> 00:30:35,220
line. "Järkevää?

601
00:30:35,220 --> 00:30:38,900
Vien kullekin viivalle, tässä
tapauksessa tämä merkkijono ja seuraava

602
00:30:38,900 --> 00:30:44,540
string joten kullekin viivalle, mitä olen
aikoo tehdä, on ensimmäinen, aion

603
00:30:44,540 --> 00:30:49,150
jakaa tämä rivi luettelo
sanat toisistaan ​​välilyönnillä.

604
00:30:49,150 --> 00:30:53,730
>> Niin cool juttu Python on, että
voisit vain Google kuten "kuinka voin

605
00:30:53,730 --> 00:30:58,220
jakaa merkkijonon sanoiksi? "Ja se on
aio kertoa teille, miten se tehdään.

606
00:30:58,220 --> 00:31:04,890
Ja tapa tehdä se, se on vain "line
= Line.split () "ja se on pohjimmiltaan

607
00:31:04,890 --> 00:31:08,640
aikoo antaa sinulle listan
kukin sanoja tässä.

608
00:31:08,640 --> 00:31:09,620
Järkevää?

609
00:31:09,620 --> 00:31:15,870
Joten nyt, että tein, että haluan tietää
kuka on laulaja tuon laulun.

610
00:31:15,870 --> 00:31:20,130
Ja tehdä, että minun täytyy vain saada
ensimmäinen osa array, eikö?

611
00:31:20,130 --> 00:31:26,390
Joten voin vain sanoa, että olen "laulaja
= Line (0) "Järkevää?

612
00:31:26,390 --> 00:31:32,010
>> Ja sitten mitä minun täytyy tehdä, on aluksi
kaikki, aion päivittää kuinka monta

613
00:31:32,010 --> 00:31:36,130
sanoen minulla on kohdassa "Gaga." joten olen vain
aio laskea, kuinka monta sanaa I

614
00:31:36,130 --> 00:31:38,690
on tässä luettelossa, eikö?

615
00:31:38,690 --> 00:31:41,910
Koska tämä on kuinka monta sanaa minulla on
vuonna sanoitukset ja olen juuri menossa

616
00:31:41,910 --> 00:31:44,120
lisää se "Gaga" array.

617
00:31:44,120 --> 00:31:47,090
Onko järkeä?

618
00:31:47,090 --> 00:31:49,010
Älä keskittyä liikaa syntaksin.

619
00:31:49,010 --> 00:31:50,430
Ajatella enemmän käsitteitä.

620
00:31:50,430 --> 00:31:52,400
Se on tärkein osa.

621
00:31:52,400 --> 00:31:52,720
OK.

622
00:31:52,720 --> 00:32:00,260
>> Joten mitä voin tehdä on, jos "Gaga" on
jo tässä luettelossa, joten "jos laulaja

623
00:32:00,260 --> 00:32:03,190
lause ", joka tarkoittaa sitä, että olen jo
on sanat Gaga.

624
00:32:03,190 --> 00:32:06,640
Haluan vain lisätä ylimääräisiä
jotakin sen.

625
00:32:06,640 --> 00:32:15,810
Joten mitä teen on "sanoja (laulaja)
+ = Len (line) - 1 ".

626
00:32:15,810 --> 00:32:18,250
Ja sitten voin vain tehdä
Viivan pituus.

627
00:32:18,250 --> 00:32:21,860
Joten kuinka monta elementtiä I
on jono.

628
00:32:21,860 --> 00:32:27,060
Ja minun täytyy tehdä miinus 1 vain siksi
ensimmäistä alkiota on vain

629
00:32:27,060 --> 00:32:29,180
laulaja ja tämä ei ole lyrics.

630
00:32:29,180 --> 00:32:31,420
Järkevää?

631
00:32:31,420 --> 00:32:32,780
OK.

632
00:32:32,780 --> 00:32:35,820
>> "Else", se tarkoittaa, että haluan itse
aseta Gaga listaan.

633
00:32:35,820 --> 00:32:45,990
Joten en vain "sanoja (laulaja)
= Len (line) - 1, "anteeksi.

634
00:32:45,990 --> 00:32:49,200
Joten ainoa ero näiden kahden välillä
linjat on, että tämä yksi, se ei ole

635
00:32:49,200 --> 00:32:51,080
vielä olemassa, joten olen vain
alustamatta.

636
00:32:51,080 --> 00:32:53,820
Tämä yksi Olen oikeastaan ​​lisäämällä.

637
00:32:53,820 --> 00:32:55,570
OK.

638
00:32:55,570 --> 00:32:59,480
Joten tämä oli lisäämällä sanoja.

639
00:32:59,480 --> 00:33:03,040
>> Nyt haluan lisätä aiempia tuomioita.

640
00:33:03,040 --> 00:33:05,480
Joten miten voin laskea prioritodennäköisyydet?

641
00:33:05,480 --> 00:33:11,580
Prioritodennäköisyydet voidaan laskea
kuinka monta kertaa.

642
00:33:11,580 --> 00:33:15,340
Joten kuinka monta kertaa näet, että laulaja
joukossa kaikki laulajat, että olet

643
00:33:15,340 --> 00:33:16,380
on, eikö?

644
00:33:16,380 --> 00:33:18,810
Joten Gaga ja Katy Perry,
Tässä tapauksessa näen Gaga

645
00:33:18,810 --> 00:33:20,570
kerran, Katy Perry kerran.

646
00:33:20,570 --> 00:33:23,320
>> Joten periaatteessa prioritodennäköisyydet Gaga
ja Katy Perry olisi

647
00:33:23,320 --> 00:33:24,390
vain yksi, eikö?

648
00:33:24,390 --> 00:33:26,500
Sinä vain, kuinka monta kertaa
Näen taiteilija.

649
00:33:26,500 --> 00:33:28,740
Joten tämä on erittäin helppo laskea.

650
00:33:28,740 --> 00:33:34,100
Voin vain jotain vastaavaa samankaltaisina ", jos
laulaja aiempia tuomioita, "olen juuri menossa

651
00:33:34,100 --> 00:33:38,970
lisätä 1 niiden aiempia tuomioita ruutuun.

652
00:33:38,970 --> 00:33:51,000
Joten, "aiempia tuomioita (laulaa)" + = 1 "ja sitten" muuten "
Aion tehdä "aiempia tuomioita (laulaja)

653
00:33:51,000 --> 00:33:55,000
= 1. "Järkevää?

654
00:33:55,000 --> 00:34:00,080
>> Joten jos sitä ei ole olemassa Sain laittaa
kuin 1, muuten en vain lisätä 1.

655
00:34:00,080 --> 00:34:11,280
OK, joten nyt kaikki, että olen vielä tekemättä
on myös lisätä kunkin sanoja

656
00:34:11,280 --> 00:34:12,290
todennäköisyyksiä.

657
00:34:12,290 --> 00:34:14,889
Joten minun täytyy laskea kuinka monta kertaa
Näen jokaisen sanoja.

658
00:34:14,889 --> 00:34:18,780
Joten minun täytyy vain tehdä uuden
silmukan linjaa.

659
00:34:18,780 --> 00:34:25,190
>> Niin ensimmäinen asia, että aion tehdä, on
tarkistaa, jos laulaja on jo

660
00:34:25,190 --> 00:34:26,969
todennäköisyydet array.

661
00:34:26,969 --> 00:34:31,739
Joten olen tarkistaa, jos laulaja ei
on todennäköisyydet array, olen vain

662
00:34:31,739 --> 00:34:34,480
menossa alustaa yksi niistä.

663
00:34:34,480 --> 00:34:36,400
Se ei ole edes array, anteeksi,
se on sanakirja.

664
00:34:36,400 --> 00:34:43,080
Joten todennäköisyydet laulaja on menossa
olla avoin sanakirja, joten olen

665
00:34:43,080 --> 00:34:45,830
vain alustetaan sanakirja sitä.

666
00:34:45,830 --> 00:34:46,820
OK?

667
00:34:46,820 --> 00:34:58,330
>> Ja nyt en voi itse tehdä silmukka
laskea kunkin sanat "

668
00:34:58,330 --> 00:35:00,604
todennäköisyyksiä.

669
00:35:00,604 --> 00:35:01,540
OK.

670
00:35:01,540 --> 00:35:04,160
Joten mitä voin tehdä on silmukka.

671
00:35:04,160 --> 00:35:06,590
Joten olen juuri menossa kerrata
rivin yli.

672
00:35:06,590 --> 00:35:15,320
Niin niin, että voin tehdä, että Python
on "for i in välillä." 1

673
00:35:15,320 --> 00:35:19,200
koska haluan aloittaa toisen
elementti, koska ensimmäinen on

674
00:35:19,200 --> 00:35:20,260
laulaja nimi.

675
00:35:20,260 --> 00:35:24,990
Joten yhdestä asti
Viivan pituus.

676
00:35:24,990 --> 00:35:29,760
Ja kun en vaihtelevat sen itse mennä alkaen
kuten täällä 1 Len

677
00:35:29,760 --> 00:35:30,740
line miinus 1.

678
00:35:30,740 --> 00:35:33,810
Joten se jo tekee, että asia tehdä
n miinus 1 paneelit, joka on hyvin

679
00:35:33,810 --> 00:35:35,500
kätevä.

680
00:35:35,500 --> 00:35:37,850
Järkevää?

681
00:35:37,850 --> 00:35:42,770
>> Joten kullekin näistä, mitä aion
tehdä, on, aivan kuten toinen,

682
00:35:42,770 --> 00:35:50,320
Aion tarkistaa, jos sana tässä
asema linja on jo

683
00:35:50,320 --> 00:35:51,570
todennäköisyyksiä.

684
00:35:51,570 --> 00:35:53,400

685
00:35:53,400 --> 00:35:57,260
Ja sitten kuten sanoin täällä, todennäköisyydet
sanoja, kuten laitoin

686
00:35:57,260 --> 00:35:58,400
"Todennäköisyyksiä (laulaja)".

687
00:35:58,400 --> 00:35:59,390
Joten nimi laulaja.

688
00:35:59,390 --> 00:36:03,450
Joten jos se jo
"Probabilit (laulaja)", se tarkoittaa, että minun

689
00:36:03,450 --> 00:36:11,960
haluat lisätä 1 sitä, joten aion
do "todennäköisyyksiä (laulaja)", ja

690
00:36:11,960 --> 00:36:14,100
sana on nimeltään "rivi (i)".

691
00:36:14,100 --> 00:36:22,630
Aion lisätä 1 ja "muu" Olen vain
menossa alustaa sen 1.

692
00:36:22,630 --> 00:36:23,880
"Line (i)".

693
00:36:23,880 --> 00:36:26,920

694
00:36:26,920 --> 00:36:28,420
Järkevää?

695
00:36:28,420 --> 00:36:30,180
>> Joten, olen laskenut kaikki ryhmät.

696
00:36:30,180 --> 00:36:36,580
Joten nyt kaikki, että minun täytyy tehdä
tämä on vain "palata aiempia tuomioita,

697
00:36:36,580 --> 00:36:43,230
todennäköisyydet ja sanat. "Mennään
onko olemassa mitään, OK.

698
00:36:43,230 --> 00:36:45,690
Näyttää siltä, ​​kaikki toimii toistaiseksi.

699
00:36:45,690 --> 00:36:46,900
Niin, että on järkevää?

700
00:36:46,900 --> 00:36:47,750
Jollain tavalla?

701
00:36:47,750 --> 00:36:49,280
OK.

702
00:36:49,280 --> 00:36:51,980
Joten nyt minulla on kaikki todennäköisyydet.

703
00:36:51,980 --> 00:36:55,100
Joten nyt ainoa asia mitä on jäljellä
on vain on, että asia, joka

704
00:36:55,100 --> 00:36:58,650
laskee tuotteen kaikkien
todennäköisyydet kun saan lyrics.

705
00:36:58,650 --> 00:37:06,270
>> Joten haluan sanoa, että haluan nyt soittaa
tämä toiminto "luokitella ()" ja

706
00:37:06,270 --> 00:37:08,880
asia, että toiminto vie
on vain väite.

707
00:37:08,880 --> 00:37:13,170
Sanotaan "Baby, olen tulessa" ja se on
menossa selvittää, mitä on

708
00:37:13,170 --> 00:37:14,490
Todennäköisyys, että tämä on Gaga?

709
00:37:14,490 --> 00:37:16,405
Mikä on todennäköisyys,
, että tämä on Katie?

710
00:37:16,405 --> 00:37:19,690
Kuulostaako hyvältä?

711
00:37:19,690 --> 00:37:25,750
Joten olen juuri menossa on luotava
uusi toiminto nimeltään "luokitella ()" ja

712
00:37:25,750 --> 00:37:29,180
se vie jonkin verran
lyrics samoin.

713
00:37:29,180 --> 00:37:31,790

714
00:37:31,790 --> 00:37:36,160
Ja sitä paitsi lyrics Olen myös
täytyy lähettää aiempia tuomioita,

715
00:37:36,160 --> 00:37:37,700
todennäköisyydet ja sanoja.

716
00:37:37,700 --> 00:37:44,000
Joten aion lähettää lyrics, aiempia tuomioita,
todennäköisyyksiä, sanoja.

717
00:37:44,000 --> 00:37:51,840
>> Joten tämä on ryhtynyt lyrics, aiempia tuomioita,
todennäköisyyksiä, sanoja.

718
00:37:51,840 --> 00:37:53,530
Joten, mitä se tekee?

719
00:37:53,530 --> 00:37:57,180
Se pohjimmiltaan on menossa läpi kaikki
mahdollista ehdokkaista

720
00:37:57,180 --> 00:37:58,510
on laulajana.

721
00:37:58,510 --> 00:37:59,425
Ja missä ovat ne ehdokkaat?

722
00:37:59,425 --> 00:38:01,020
He ovat prioritodennäköisyydet, eikö?

723
00:38:01,020 --> 00:38:02,710
Joten minulla on kaikki nämä siellä.

724
00:38:02,710 --> 00:38:07,870
Joten aion olla sanakirja
kaikista mahdollisista ehdokkaista.

725
00:38:07,870 --> 00:38:14,220
Ja sitten kunkin ehdokkaan
aiempia tuomioita, niin se tarkoittaa, että se tulee

726
00:38:14,220 --> 00:38:17,740
olla Gaga, Katie jos olisin
Enemmän se olisi enemmän.

727
00:38:17,740 --> 00:38:20,410
Aion alkaa mitata
Tämän todennäköisyyden.

728
00:38:20,410 --> 00:38:28,310
Todennäköisyys kuten näimme
PowerPoint on ennen kertaa

729
00:38:28,310 --> 00:38:30,800
tuotteen kunkin
muut todennäköisyydet.

730
00:38:30,800 --> 00:38:32,520
>> Joten en voi tehdä saman täällä.

731
00:38:32,520 --> 00:38:36,330
Voin vain tehdä todennäköisyys on
aluksi juuri ennen.

732
00:38:36,330 --> 00:38:40,340
Joten rikosrekisteri ehdokas.

733
00:38:40,340 --> 00:38:40,870
Oikea?

734
00:38:40,870 --> 00:38:45,360
Ja nyt minun täytyy kerrata kaikkia
sanoja, jotka minulla on lyrics olla

735
00:38:45,360 --> 00:38:48,820
voi lisätä todennäköisyyttä
kullekin niistä, OK?

736
00:38:48,820 --> 00:38:57,900
Joten, "sanaan lyrics" mitä aion
vain, jos sana on

737
00:38:57,900 --> 00:39:01,640
"Todennäköisyyksiä (ehdokas)", joka
tarkoittaa, että se on sana, joka

738
00:39:01,640 --> 00:39:03,640
ehdokas on niiden lyrics -

739
00:39:03,640 --> 00:39:05,940
esimerkiksi "vauva" Gaga -

740
00:39:05,940 --> 00:39:11,710
mitä aion tehdä, on, että
todennäköisyys on menossa kerrottava

741
00:39:11,710 --> 00:39:22,420
1 plus todennäköisyydet
ehdokas, joka sana.

742
00:39:22,420 --> 00:39:25,710
Ja sitä kutsutaan "sana".

743
00:39:25,710 --> 00:39:32,440
Tämä jaettuna sanojen määrä
että minulla on, että ehdokas.

744
00:39:32,440 --> 00:39:37,450
Kokonaismäärä sanoja, jotka minulla on
laulaja, että minä katson.

745
00:39:37,450 --> 00:39:40,290
>> "Else". se tarkoittaa että se on uusi sana
niin se olisi kuin esimerkiksi

746
00:39:40,290 --> 00:39:41,860
"Fire" Lady Gaga.

747
00:39:41,860 --> 00:39:45,760
Joten haluan vain tehdä 1 yli
"Sana (ehdokas)".

748
00:39:45,760 --> 00:39:47,710
Joten en halua laittaa tähän termi tässä.

749
00:39:47,710 --> 00:39:50,010
>> Joten se tulee olemaan periaatteessa
kopioimalla tämän.

750
00:39:50,010 --> 00:39:54,380

751
00:39:54,380 --> 00:39:56,000
Mutta aion poistaa tämän osan.

752
00:39:56,000 --> 00:39:57,610
Niin se vain olemaan 1 tuosta.

753
00:39:57,610 --> 00:40:00,900

754
00:40:00,900 --> 00:40:02,150
Kuulostaako hyvältä?

755
00:40:02,150 --> 00:40:03,980

756
00:40:03,980 --> 00:40:09,700
Ja nyt lopussa, olen juuri menossa
tulostaa nimi ehdokas ja

757
00:40:09,700 --> 00:40:15,750
todennäköisyys, että sinulla on
ottaa S niiden sanoitukset.

758
00:40:15,750 --> 00:40:16,200
Järkevää?

759
00:40:16,200 --> 00:40:18,390
Ja minä itse ei edes
Tarvitsen tätä sanakirja.

760
00:40:18,390 --> 00:40:19,510
Järkevää?

761
00:40:19,510 --> 00:40:21,810
>> Joten katsotaanpas, jos tämä todella toimii.

762
00:40:21,810 --> 00:40:24,880
Joten jos juoksen tämän, se ei toimi.

763
00:40:24,880 --> 00:40:26,130
Odota sekunti.

764
00:40:26,130 --> 00:40:28,870

765
00:40:28,870 --> 00:40:31,720
"Sanat (ehdokas)", "sanat (ehdokas)",
se on

766
00:40:31,720 --> 00:40:33,750
nimen array.

767
00:40:33,750 --> 00:40:41,435
OK Niin, se sanoo, että on joitakin bug
varten ehdokas aiempia tuomioita.

768
00:40:41,435 --> 00:40:46,300

769
00:40:46,300 --> 00:40:48,760
Haluan vain rentoutua hieman.

770
00:40:48,760 --> 00:40:50,360
OK.

771
00:40:50,360 --> 00:40:51,305
Kokeillaan.

772
00:40:51,305 --> 00:40:51,720
OK.

773
00:40:51,720 --> 00:40:58,710
>> Joten se antaa Katy Perry on tämä
todennäköisyys tämän kertaa 10

774
00:40:58,710 --> 00:41:02,200
miinus 7, ja Gaga on tämä
kertaa 10 miinus 6.

775
00:41:02,200 --> 00:41:05,610
Niin näet se osoittaa, että Gaga
on suurempi todennäköisyys.

776
00:41:05,610 --> 00:41:09,260
Joten "Baby, olen Fire" on
luultavasti Gaga laulu.

777
00:41:09,260 --> 00:41:10,580
Järkevää?

778
00:41:10,580 --> 00:41:12,030
Joten tämä on mitä me teimme.

779
00:41:12,030 --> 00:41:16,010
>> Tämä koodi tulee olemaan julkaistaan ​​verkossa,
joten te voi tarkistaa sen.

780
00:41:16,010 --> 00:41:20,720
Ehkä käyttää joitakin sitä, jos haluat
tehdä hankkeen tai jotain vastaavaa.

781
00:41:20,720 --> 00:41:22,150
OK.

782
00:41:22,150 --> 00:41:25,930
Tämä oli vain osoittaa
mitä laskennallisia

783
00:41:25,930 --> 00:41:27,230
kielitiede koodi näyttää.

784
00:41:27,230 --> 00:41:33,040
Mutta nyt mennään enemmän
korkean tason kamaa.

785
00:41:33,040 --> 00:41:33,340
OK.

786
00:41:33,340 --> 00:41:35,150
>> Joten muita ongelmia I
puhui -

787
00:41:35,150 --> 00:41:37,550
segmentointi ongelma
on ensimmäinen niistä.

788
00:41:37,550 --> 00:41:40,820
Joten olet täällä Japani.

789
00:41:40,820 --> 00:41:43,420
Ja sitten näet, että
ei ole välilyöntejä.

790
00:41:43,420 --> 00:41:49,110
Joten tämä on periaatteessa sitä, että se on
yläosassa tuoli, eikö?

791
00:41:49,110 --> 00:41:50,550
Puhutko Japani?

792
00:41:50,550 --> 00:41:52,840
Se on yläosassa tuoli, eikö?

793
00:41:52,840 --> 00:41:54,480
>> Opiskelija: En tiedä mitä
kanji tuolla on.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS FREITAS: Se [puhutaan JAPANIN]

795
00:41:57,010 --> 00:41:57,950
OK.

796
00:41:57,950 --> 00:42:00,960
Joten se tarkoittaa periaatteessa puheenjohtajana alkuun.

797
00:42:00,960 --> 00:42:03,620
Joten jos sinulla on ollut laittaa tilaa
se olisi täällä.

798
00:42:03,620 --> 00:42:05,970
Ja sitten on [? Ueda-san. ?]

799
00:42:05,970 --> 00:42:09,040
Mikä tarkoittaa periaatteessa sitä Mr. Ueda.

800
00:42:09,040 --> 00:42:13,180
Ja näet, että "Ueda" ja olet
tilaa ja sitten "san." Niin näet, että

801
00:42:13,180 --> 00:42:15,470
täällä on "UE" on kuin itsestään.

802
00:42:15,470 --> 00:42:17,750
Ja tässä se on luonteeltaan
sen vieressä.

803
00:42:17,750 --> 00:42:21,720
>> Joten se ei ole kuin näissä kielissä
merkkiä eli sanan niin sinun

804
00:42:21,720 --> 00:42:23,980
vain laittaa paljon tiloja.

805
00:42:23,980 --> 00:42:25,500
Hahmot toisiinsa.

806
00:42:25,500 --> 00:42:28,680
Ja ne voivat olla yhdessä
kuten kaksi, kolme, yksi.

807
00:42:28,680 --> 00:42:34,520
Joten sinulla todella on luoda jonkinlainen
on tapa toteuttaa näitä tiloja.

808
00:42:34,520 --> 00:42:38,850
>> Ja tämä asia on, että jos saat
tietoja näistä Aasian kieliä,

809
00:42:38,850 --> 00:42:40,580
kaikki tulee unsegmented.

810
00:42:40,580 --> 00:42:45,940
Koska kukaan joka kirjoittaa japanilainen
tai kiinalaisen kirjoittaa välilyönneillä.

811
00:42:45,940 --> 00:42:48,200
Aina olet kirjoittamassa kiina,
Japani voit vain kirjoittaa kaiken

812
00:42:48,200 --> 00:42:48,710
ilman välilyöntejä.

813
00:42:48,710 --> 00:42:52,060
Se ei ole järkevää
laittaa tiloihin.

814
00:42:52,060 --> 00:42:57,960
Joten sitten kun saat tietoja, joidenkin
Itä-Aasian kieltä, jos haluat

815
00:42:57,960 --> 00:43:00,760
itse tehdä jotain, että
sinun täytyy ensimmäisenä luokassaan.

816
00:43:00,760 --> 00:43:05,130
>> Ajatella tehdä esimerkki
lyrics ilman välilyöntejä.

817
00:43:05,130 --> 00:43:07,950
Joten vain sanoja, jotka olet
on lauseita, eikö?

818
00:43:07,950 --> 00:43:09,470
Erotetaan pisteillä.

819
00:43:09,470 --> 00:43:13,930
Mutta sitten ottaa vain lause
ei todella auttaa tietojen antamisesta

820
00:43:13,930 --> 00:43:17,760
keitä nämä sanoitukset ovat vuoteen.

821
00:43:17,760 --> 00:43:18,120
Oikea?

822
00:43:18,120 --> 00:43:20,010
Joten sinun tulisi asettaa tilat ensin.

823
00:43:20,010 --> 00:43:21,990
Joten miten voit tehdä sen?

824
00:43:21,990 --> 00:43:24,920
>> Niin sitten tulee ajatus kielen
malli, joka on jotain todella

825
00:43:24,920 --> 00:43:26,870
tärkeää laskennallisen
kielitiede.

826
00:43:26,870 --> 00:43:32,790
Niin kielen malli on periaatteessa
taulukko todennäköisyydet joka osoittaa

827
00:43:32,790 --> 00:43:36,260
ensinnäkin mikä on todennäköisyys
ottaa sana kielellä?

828
00:43:36,260 --> 00:43:39,590
Joten siitä, kuinka usein sana on.

829
00:43:39,590 --> 00:43:43,130
Ja sitten myös esittää riippuvuutta
sanojen lauseessa.

830
00:43:43,130 --> 00:43:51,500
>> Joten tärkein ajatus on, jos muukalainen tuli
teille ja sanoi lause

831
00:43:51,500 --> 00:43:55,600
teille, mikä on todennäköisyys, että
Esimerkiksi "tämä on minun sisko [? GTF"?]

832
00:43:55,600 --> 00:43:57,480
oli lause, että henkilö sanoi?

833
00:43:57,480 --> 00:44:00,380
Joten ilmeisesti jotkut lauseet ovat
yleisempiä kuin toiset.

834
00:44:00,380 --> 00:44:04,450
Esimerkiksi "hyvää huomenta" tai "hyvä
yö "tai" Hei ", on paljon enemmän

835
00:44:04,450 --> 00:44:08,260
yhteistä kuin useimmat lauseita
että meillä on Englanti.

836
00:44:08,260 --> 00:44:11,060
Joten miksi nämä lauseet
useammin?

837
00:44:11,060 --> 00:44:14,060
>> Ensinnäkin, se johtuu olet
sanoja, jotka ovat useammin.

838
00:44:14,060 --> 00:44:20,180
Niinpä esimerkiksi, jos sanot, koira on
iso, ja koira on jättimäinen, sinun

839
00:44:20,180 --> 00:44:23,880
yleensä luultavasti kuulla koira on iso
useammin, koska "iso" on enemmän

840
00:44:23,880 --> 00:44:27,260
yleisiä Englanti kuin "jättimäinen."
Niin, yksi

841
00:44:27,260 --> 00:44:30,100
asioita on sana taajuus.

842
00:44:30,100 --> 00:44:34,490
>> Toinen asia, joka on todella
tärkeää on vain

843
00:44:34,490 --> 00:44:35,490
sanojen järjestys.

844
00:44:35,490 --> 00:44:39,500
Niin, se on yhteinen sanoa "kissa on
laatikon sisällä. ", mutta et yleensä

845
00:44:39,500 --> 00:44:44,250
nähdä "ruudun sisällä on kissa." niin
voit nähdä, että siellä on jonkin verran merkitystä

846
00:44:44,250 --> 00:44:46,030
järjestyksessä sanoja.

847
00:44:46,030 --> 00:44:50,160
Et voi vain sanoa, että nämä kaksi
lauseilla on sama todennäköisyys

848
00:44:50,160 --> 00:44:53,010
vain koska he ovat samoja sanoja.

849
00:44:53,010 --> 00:44:55,550
Et oikeastaan ​​tarvitse huolehtia
noin järjestys samoin.

850
00:44:55,550 --> 00:44:57,650
Järkeä?

851
00:44:57,650 --> 00:44:59,490
>> Joten mitä me teemme?

852
00:44:59,490 --> 00:45:01,550
Joten mitä voisin yrittää saada sinut?

853
00:45:01,550 --> 00:45:04,400
Yritän saada mitä me
soita n gramman malleja.

854
00:45:04,400 --> 00:45:09,095
Joten n gramman mallien periaatteessa olettaa
että jokaista sanaa, että

855
00:45:09,095 --> 00:45:10,960
sinulla on lause.

856
00:45:10,960 --> 00:45:15,020
Se todennäköisyys, että että
sana ei riipu ainoastaan

857
00:45:15,020 --> 00:45:18,395
taajuus, että sana kielellä,
vaan myös sanoja, jotka

858
00:45:18,395 --> 00:45:19,860
ympäröivät sitä.

859
00:45:19,860 --> 00:45:25,810
>> Niinpä esimerkiksi, yleensä kun näet
jotain on tai olet

860
00:45:25,810 --> 00:45:28,040
luultavasti menossa katsomaan
substantiivi sen jälkeen, eikö?

861
00:45:28,040 --> 00:45:31,750
Koska kun on prepositio
Yleensä se kestää substantiivi jälkeen.

862
00:45:31,750 --> 00:45:35,540
Tai jos sinulla on verbi, joka on transitiivinen
et yleensä menossa

863
00:45:35,540 --> 00:45:36,630
on substantiivi lause.

864
00:45:36,630 --> 00:45:38,780
Niin se tulee olla substantiivi
jonnekin ympärille.

865
00:45:38,780 --> 00:45:44,950
>> Joten periaatteessa, mitä se on, että se
katsoo, todennäköisyys, että

866
00:45:44,950 --> 00:45:47,960
sanoja vierekkäin, kun
olet laskettaessa

867
00:45:47,960 --> 00:45:49,050
todennäköisyys lauseen.

868
00:45:49,050 --> 00:45:50,960
Ja sitähän kieli
malli on periaatteessa.

869
00:45:50,960 --> 00:45:54,620
Vain sanoa mitä todennäköisyys
ottaa tietyn

870
00:45:54,620 --> 00:45:57,120
lause kielellä?

871
00:45:57,120 --> 00:45:59,110
Joten miksi se on hyödyllistä, pohjimmiltaan?

872
00:45:59,110 --> 00:46:02,390
Ja ennen kaikkea, mikä on
n gramman malli sitten?

873
00:46:02,390 --> 00:46:08,850
>> Joten n gramman malli tarkoittaa sitä, että
jokaisen sanan riippuu

874
00:46:08,850 --> 00:46:12,700
Seuraavan N miinus 1 sanaa.

875
00:46:12,700 --> 00:46:18,150
Joten periaatteessa, se tarkoittaa, että jos katson,
esimerkiksi kello CS50 TF, kun

876
00:46:18,150 --> 00:46:21,500
Olen laskettaessa todennäköisyys
lause, voit olla kuten "

877
00:46:21,500 --> 00:46:25,280
todennäköisyys ottaa sanan ""
kertaa todennäköisyys ottaa "

878
00:46:25,280 --> 00:46:31,720
CS50 "kertaa todennäköisyys, että
"CS50 TF." Joten periaatteessa, luen

879
00:46:31,720 --> 00:46:35,720
kaikki mahdolliset keinot veny.

880
00:46:35,720 --> 00:46:41,870
>> Ja sitten yleensä kun teet tämän,
kuten projekti, laitat N olla

881
00:46:41,870 --> 00:46:42,600
alhainen arvo.

882
00:46:42,600 --> 00:46:45,930
Niin, yleensä bigrams tai trigrams.

883
00:46:45,930 --> 00:46:51,090
Niin että voit vain laskea kaksi sanaa,
ryhmä kaksi sanaa, tai kolme sanaa,

884
00:46:51,090 --> 00:46:52,620
vain suorituskykyyn liittyviä ongelmia.

885
00:46:52,620 --> 00:46:56,395
Ja myös siksi ehkä jos sinulla on
jotain "CS50 TF." Kun

886
00:46:56,395 --> 00:47:00,510
on "TF", on erittäin tärkeää, että
"CS50" on vieressä, eikö?

887
00:47:00,510 --> 00:47:04,050
Nämä kaksi asiaa ovat yleensä
vierekkäin.

888
00:47:04,050 --> 00:47:06,410
>> Jos ajattelet "TF", se on luultavasti
menossa on mitä

889
00:47:06,410 --> 00:47:07,890
class se TF'ing varten.

890
00:47:07,890 --> 00:47:11,330
Myös "" on todella tärkeää
varten CS50 TF.

891
00:47:11,330 --> 00:47:14,570
Mutta jos sinulla on jotain "CS50
TF meni luokkaan ja antoivat

892
00:47:14,570 --> 00:47:20,060
opiskelijat karkkia. "" Candy "ja" "
ei ole mitään yhteyttä oikeasti, eikö?

893
00:47:20,060 --> 00:47:23,670
Ne ovat niin kaukana toisistaan, että
se ei ole oikeastaan ​​väliä, mitä

894
00:47:23,670 --> 00:47:25,050
sanoja olet.

895
00:47:25,050 --> 00:47:31,210
>> Niin tekemällä kaksikieliopillisesta tai trigram, se
vain tarkoittaa, että olet rajoittamalla

896
00:47:31,210 --> 00:47:33,430
itse joitakin sanoja
jotka ovat noin.

897
00:47:33,430 --> 00:47:35,810
Järkeä?

898
00:47:35,810 --> 00:47:40,630
Joten kun haluat tehdä segmentointi,
pohjimmiltaan, mitä haluat tehdä, on nähdä

899
00:47:40,630 --> 00:47:44,850
mitkä ovat kaikki mahdollisia tapoja, joilla
voit segmentin lause.

900
00:47:44,850 --> 00:47:49,090
>> Niin että näet mitä on
todennäköisyys jokainen näistä lauseita

901
00:47:49,090 --> 00:47:50,880
olemassa kielellä?

902
00:47:50,880 --> 00:47:53,410
Joten mitä teet on kuin, no,
Yritän laittaa tilaa täällä.

903
00:47:53,410 --> 00:47:55,570
Joten voit laittaa tilaa siellä
ja näet mitä on

904
00:47:55,570 --> 00:47:57,590
todennäköisyys että lause?

905
00:47:57,590 --> 00:48:00,240
Sitten olet kuten, OK, ehkä
joka ei ollut niin hyvä.

906
00:48:00,240 --> 00:48:03,420
Joten laitoin tilaa siellä ja tilaa
siellä, ja voit laskea

907
00:48:03,420 --> 00:48:06,240
todennäköisyys nyt, ja näet, että
se on suurempi todennäköisyys.

908
00:48:06,240 --> 00:48:12,160
>> Joten tämä on algoritmi nimeltään TANGO
segmentointi algoritmi, joka on

909
00:48:12,160 --> 00:48:14,990
todella jotain, että olisi todella
jäähtyä projekti, joka

910
00:48:14,990 --> 00:48:20,860
pohjimmiltaan vie unsegmented tekstistä, joka
voi olla Japanin tai Kiinan tai ehkä

911
00:48:20,860 --> 00:48:26,080
Englanti ilman välilyöntejä ja yrittää sijoittaa
välilyönnit sanojen ja se tekee

912
00:48:26,080 --> 00:48:29,120
että käyttämällä kielen mallin ja
yrittää nähdä, mikä on korkein

913
00:48:29,120 --> 00:48:31,270
todennäköisyys saat.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Joten tämä on segmentointi.

916
00:48:33,800 --> 00:48:35,450
>> Nyt syntaksin.

917
00:48:35,450 --> 00:48:40,940
Joten, syntaksia käytetään
niin monia asioita juuri nyt.

918
00:48:40,940 --> 00:48:44,880
Joten Graph haun, Siri
melko paljon kaikenlaista luonnon

919
00:48:44,880 --> 00:48:46,490
kielen käsittelyyn olet.

920
00:48:46,490 --> 00:48:49,140
Niin mitkä ovat tärkeitä
asioita syntaksi?

921
00:48:49,140 --> 00:48:52,390
Joten, lauseita on yleensä
mitä kutsumme ainesosia.

922
00:48:52,390 --> 00:48:57,080
Jotka ovat ikään kuin sanaryhmien
, joilla on tehtävä lauseessa.

923
00:48:57,080 --> 00:49:02,220
Ja he eivät voi todella olla
päässä toisistaan.

924
00:49:02,220 --> 00:49:07,380
>> Joten, jos sanon, esimerkiksi "Lauren rakastaa
Milo. "Tiedän, että" Lauren "on

925
00:49:07,380 --> 00:49:10,180
osatekijä ja sitten "rakastaa
Milo "on myös toinen.

926
00:49:10,180 --> 00:49:16,860
Koska et voi sanoa kuin "Lauren Milo
rakastaa "on sama merkitys.

927
00:49:16,860 --> 00:49:18,020
Se ei tule olla
sama merkitys.

928
00:49:18,020 --> 00:49:22,500
Tai en voi sanoa kuin "Milo Lauren
rakastaa. "Kaiken ei sama

929
00:49:22,500 --> 00:49:25,890
eli näin.

930
00:49:25,890 --> 00:49:31,940
>> Joten kaksi tärkeämpää asioita
syntaksin ovat leksikaalisen tyyppejä, joilla on

931
00:49:31,940 --> 00:49:35,390
pohjimmiltaan toimintoon
ovat sanoja itse.

932
00:49:35,390 --> 00:49:39,180
Joten sinun täytyy tietää, että "Lauren"
ja "Milo" ovat substantiiveja.

933
00:49:39,180 --> 00:49:41,040
"Rakkaus" on verbi.

934
00:49:41,040 --> 00:49:45,660
Ja toinen tärkeä asia on
että he phrasal tyyppejä.

935
00:49:45,660 --> 00:49:48,990
Niin tiedät, että "rakastaa Milo"
on todella sanallinen lause.

936
00:49:48,990 --> 00:49:52,390
Joten kun sanon "Lauren," Tiedän, että
Lauren tekee jotain.

937
00:49:52,390 --> 00:49:53,620
Mitä hän tekee?

938
00:49:53,620 --> 00:49:54,570
Hän rakastava Milo.

939
00:49:54,570 --> 00:49:56,440
Joten se on koko juttu.

940
00:49:56,440 --> 00:50:01,640
Mutta sen komponenttien
substantiivi ja verbi.

941
00:50:01,640 --> 00:50:04,210
Mutta yhdessä ne tekevät verbilausekkeen.

942
00:50:04,210 --> 00:50:08,680
>> Joten, mitä voimme itse tehdä kanssa
laskennallinen kielitiede?

943
00:50:08,680 --> 00:50:13,810
Joten, jos minulla on jotain esimerkiksi
"Ystävät Allison." Näen jos vain

944
00:50:13,810 --> 00:50:17,440
ei syntaktinen puu tietäisin, että
"Ystävät" on substantiivi lause se on

945
00:50:17,440 --> 00:50:21,480
substantiivi ja sitten "Allison" on
prepositio lause, jossa "on" on

946
00:50:21,480 --> 00:50:24,810
ehdotus ja "Allison" on substantiivi.

947
00:50:24,810 --> 00:50:30,910
Mitä voisin tehdä on opettaa tietokone
että kun minulla on substantiivi lause yksi ja

948
00:50:30,910 --> 00:50:33,080
sitten prepositio lause.

949
00:50:33,080 --> 00:50:39,020
Joten tässä tapauksessa, "ystävät" ja sitten "ja
Milo "Tiedän, että tämä tarkoittaa, että

950
00:50:39,020 --> 00:50:43,110
NP2, toinen omistaa NP1.

951
00:50:43,110 --> 00:50:47,680
>> Joten en voi luoda jonkinlainen suhde,
jonkinlainen toiminto sitä.

952
00:50:47,680 --> 00:50:52,370
Joten aina kun näen tätä rakennetta, jonka
vastaa täsmälleen kanssa "ystäviä

953
00:50:52,370 --> 00:50:56,030
Allison, "Tiedän, että Allison
omistaa ystäviä.

954
00:50:56,030 --> 00:50:58,830
Joten ystävät ovat jotain
että Allison on.

955
00:50:58,830 --> 00:50:59,610
Järkevää?

956
00:50:59,610 --> 00:51:01,770
Joten tämä on pohjimmiltaan
Kuvaaja Haku ei.

957
00:51:01,770 --> 00:51:04,360
Se vain luo säännöt
On paljon asioita.

958
00:51:04,360 --> 00:51:08,190
Niin "ystävät Allison", "ystäväni
jotka elävät Cambridge "," ystäväni

959
00:51:08,190 --> 00:51:12,970
jotka menevät Harvardiin. "Se luo säännöt
sillä kaikki nuo asiat.

960
00:51:12,970 --> 00:51:14,930
>> Nyt machine translation.

961
00:51:14,930 --> 00:51:18,850
Joten, kone käännös on myös
jotain tilastollista.

962
00:51:18,850 --> 00:51:21,340
Ja itse jos saat mukana
laskennallinen kielitiede, paljon

963
00:51:21,340 --> 00:51:23,580
teidän juttuja tulee olemaan tilastoja.

964
00:51:23,580 --> 00:51:26,670
Niin kuin olin tekemässä esimerkiksi
paljon todennäköisyyksien että olin

965
00:51:26,670 --> 00:51:30,540
laskettaessa, ja sitten saat tähän
hyvin pieni määrä, joka on lopullinen

966
00:51:30,540 --> 00:51:33,180
todennäköisyys, ja sitähän
antaa sinulle vastauksen.

967
00:51:33,180 --> 00:51:37,540
Machine translation käyttää myös
tilastollinen malli.

968
00:51:37,540 --> 00:51:44,790
Ja jos haluat ajatella koneen
käännös mahdollisimman yksinkertaisella

969
00:51:44,790 --> 00:51:48,970
Muuten, mitä voit ajatella on vain
kääntää sana sanalta, eikö?

970
00:51:48,970 --> 00:51:52,150
>> Kun opettelet kielen
ensimmäistä kertaa, se on yleensä mitä

971
00:51:52,150 --> 00:51:52,910
teet, eikö?

972
00:51:52,910 --> 00:51:57,050
Jos haluat kääntää lause
oman käytetyn kielen

973
00:51:57,050 --> 00:52:00,060
opettelet, yleensä ensin sinun
kääntämään jokaisen sanan

974
00:52:00,060 --> 00:52:03,180
yksilöllisesti, ja yrität sitten
laittaa sanat paikalleen.

975
00:52:03,180 --> 00:52:07,100
>> Joten jos halusin kääntää tämän,
[Portugaliksi]

976
00:52:07,100 --> 00:52:10,430
joka tarkoittaa "valkoinen kissa juoksi pois."
Jos haluaisin kääntää sen

977
00:52:10,430 --> 00:52:13,650
Portugali ja Englanti, mitä
voi tehdä on, ensin, minä vain

978
00:52:13,650 --> 00:52:14,800
kääntää sanasta sanaan.

979
00:52:14,800 --> 00:52:20,570
Joten "o" on "," "Gato", "kissa"
"Branco", "valkoinen" ja sitten "fugio" on

980
00:52:20,570 --> 00:52:21,650
"Juoksi pois."

981
00:52:21,650 --> 00:52:26,130
>> Niin sitten minulla on kaikki sanat täällä,
mutta he eivät ole järjestyksessä.

982
00:52:26,130 --> 00:52:29,590
Se on kuin "kissa valkoinen karkasi"
joka on ungrammatical.

983
00:52:29,590 --> 00:52:34,490
Joten, voin olla toinen vaihe, joka
aiotaan löytää ihanteellinen

984
00:52:34,490 --> 00:52:36,610
sijoitetaan kunkin sanoja.

985
00:52:36,610 --> 00:52:40,240
Joten tiedän, että olen itse haluavat olla
"Valkoinen kissa" eikä "kissa valkoinen." Niin

986
00:52:40,240 --> 00:52:46,050
mitä voin tehdä on, kaikkein naiivi menetelmä
olisi luoda kaikille

987
00:52:46,050 --> 00:52:49,720
mahdollista permutaatiot
sanoen kantoja.

988
00:52:49,720 --> 00:52:53,300
Ja sitten nähdä, mikä on
suurin todennäköisyys mukaan

989
00:52:53,300 --> 00:52:54,970
minun kielen malli.

990
00:52:54,970 --> 00:52:58,390
Ja sitten kun löydän yksi, joka on
suurin todennäköisyys siihen, mikä on

991
00:52:58,390 --> 00:53:01,910
luultavasti "valkoinen kissa karkasi"
se on minun käännös.

992
00:53:01,910 --> 00:53:06,710
>> Ja tämä on yksinkertainen tapa selittää
kuinka paljon machine translation

993
00:53:06,710 --> 00:53:07,910
algoritmit.

994
00:53:07,910 --> 00:53:08,920
Onko järkeä?

995
00:53:08,920 --> 00:53:12,735
Tämä on myös jotain todella jännittävää
että te voi ehkä etsintään

996
00:53:12,735 --> 00:53:13,901
opinnäytetyö, joo?

997
00:53:13,901 --> 00:53:15,549
>> Opiskelija: No, sanoit se oli
naiivi tapa, niin mitä

998
00:53:15,549 --> 00:53:17,200
ei-naiivi tavalla?

999
00:53:17,200 --> 00:53:18,400
>> LUCAS FREITAS: ei-naiivi tavalla?

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Joten ensimmäinen asia, joka on paha mieli
tämä menetelmä on, että olen juuri kääntänyt

1002
00:53:22,860 --> 00:53:24,330
sanoja, sana sanalta.

1003
00:53:24,330 --> 00:53:30,570
Mutta joskus on sanoja, jotka
voi olla useita käännöksiä.

1004
00:53:30,570 --> 00:53:32,210
Aion yrittää ajatella
jotain.

1005
00:53:32,210 --> 00:53:37,270
Esimerkiksi "manga" portugaliksi voi
joko "mankeli" tai "hihassa." Niin

1006
00:53:37,270 --> 00:53:40,450
kun yrität kääntää sana
sanan, se saattaa antaa sinulle

1007
00:53:40,450 --> 00:53:42,050
jotain, joka ei ole mitään järkeä.

1008
00:53:42,050 --> 00:53:45,770
>> Joten te todella haluavat tarkastellaan kaikkia
mahdolliset käännökset

1009
00:53:45,770 --> 00:53:49,840
sanoja ja nähdä, ensinnäkin,
mikä on järjestys.

1010
00:53:49,840 --> 00:53:52,000
Puhuimme permutoidaan
asioita?

1011
00:53:52,000 --> 00:53:54,150
Jos haluat nähdä kaikki mahdolliset tilausten ja
Valitse yksi eniten

1012
00:53:54,150 --> 00:53:54,990
todennäköisyys?

1013
00:53:54,990 --> 00:53:57,860
Voit myös valita kaikki mahdolliset
käännöksiä jokaiselle

1014
00:53:57,860 --> 00:54:00,510
sana ja katso sitten -

1015
00:54:00,510 --> 00:54:01,950
yhdistettynä permutaatiot -

1016
00:54:01,950 --> 00:54:03,710
kumpi on suurin todennäköisyys.

1017
00:54:03,710 --> 00:54:08,590
>> Plus, voit myös katsoa ole
vain sanoja, mutta lauseita.

1018
00:54:08,590 --> 00:54:11,700
joten voit analysoida suhteita
sanat ja sitten saada

1019
00:54:11,700 --> 00:54:13,210
parempaa käännöstä.

1020
00:54:13,210 --> 00:54:16,690
Myös jotain muuta, joten tämä lukukausi
Olen oikeastaan ​​tekemässä tutkimusta

1021
00:54:16,690 --> 00:54:19,430
Kiina-Englanti kone käännös,
niin kääntämiseen

1022
00:54:19,430 --> 00:54:20,940
Kiinasta Englanti.

1023
00:54:20,940 --> 00:54:26,760
>> Ja mitä teemme on paitsi käyttäen
tilastollinen malli, joka on vain

1024
00:54:26,760 --> 00:54:30,570
nähdä todennäköisyydet nähdä
Joissakin asema lauseen, olen

1025
00:54:30,570 --> 00:54:35,360
oikeastaan ​​myös lisäämällä joitakin syntaksin minun
malli, sanoen, oh, jos näen tällaista

1026
00:54:35,360 --> 00:54:39,420
rakentamisen, tämä on mitä haluan
muuttaa sen kun kääntää.

1027
00:54:39,420 --> 00:54:43,880
Joten voit myös lisätä jonkinlainen
osa syntaksin tehdä

1028
00:54:43,880 --> 00:54:47,970
käännös tehokkaampi
ja tarkempi.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Joten miten voit päästä alkuun, jos haluat
tehdä jotain laskennallisen

1031
00:54:51,010 --> 00:54:51,980
kielitiede?

1032
00:54:51,980 --> 00:54:54,560
>> Ensin valitset projektin
, johon kielellä.

1033
00:54:54,560 --> 00:54:56,310
Joten, siellä on niin paljon siellä.

1034
00:54:56,310 --> 00:54:58,420
On niin monia asioita voi tehdä.

1035
00:54:58,420 --> 00:55:00,510
Ja sitten voi ajatella mallin
joita voit käyttää.

1036
00:55:00,510 --> 00:55:04,710
Yleensä se ajattelu
oletukset, kuten kuten, oh, kun olin

1037
00:55:04,710 --> 00:55:05,770
kuten ajattelu lyrics.

1038
00:55:05,770 --> 00:55:09,510
Olin kuin hyvin, jos haluan selvittää
ulos joka kirjoitti tämän, en luultavasti halua

1039
00:55:09,510 --> 00:55:15,400
katsomaan sanoja henkilöstä ja
kuka käyttää sitä sanaa kovin usein.

1040
00:55:15,400 --> 00:55:18,470
Joten yritä tehdä oletuksia ja
yritä ajatella malleja.

1041
00:55:18,470 --> 00:55:21,395
Ja sitten voit myös hakea verkosta
sellainen ongelma, että sinulla on,

1042
00:55:21,395 --> 00:55:24,260
ja se tulee ehdottaa
teille malleja, jotka ehkä

1043
00:55:24,260 --> 00:55:26,560
mallinnettu että asia hyvin.

1044
00:55:26,560 --> 00:55:29,080
>> Ja myös voit aina sähköpostitse minulle.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
Ja voin vain vastata kysymyksiisi.

1047
00:55:34,940 --> 00:55:38,600
Voimme jopa ehkä tavata niin voin
antaa ehdotuksia keinoista

1048
00:55:38,600 --> 00:55:41,490
hankkeen toteutuksen aikana.

1049
00:55:41,490 --> 00:55:45,610
Ja tarkoitan jos saat mukana
laskennallinen kielitiede, se tulee

1050
00:55:45,610 --> 00:55:46,790
olla suuri.

1051
00:55:46,790 --> 00:55:48,370
Olet menossa nähdä siellä
on niin paljon potentiaalia.

1052
00:55:48,370 --> 00:55:52,060
Ja teollisuus haluaa palkata
olet niin huono takia.

1053
00:55:52,060 --> 00:55:54,720
Joten toivon te nauttinut tätä.

1054
00:55:54,720 --> 00:55:57,030
Jos teillä mitään kysymyksiä,
voit kysyä minulta tämän jälkeen.

1055
00:55:57,030 --> 00:55:58,280
Mutta kiitos.

1056
00:55:58,280 --> 00:56:00,150