曾经，要将这项技术应用于实践，就必须接受该领域 许多进入壁垒都已成为 的正规教育，并具备核心 NLP、深度学习和迁移学习库到核心 NLP 库的实际经验。以情绪分析为例：推断“美好的一天”是一个积极的陈述，这需要数据科学家来训练，而今天，完整的情绪分析（即能够区分快乐、恐惧、惊讶和悲伤）在许多语言中都是现成的。 去，随着技术的进步，它将被更多人使用。
自动 NLP：谁需要数据科学家？
说到代码，还有什么比上面提到的 Python 示例这样的单行代 手机号码数据 码更好呢？完全无代码的流程怎么样？虽然你仍然需要训练自己的模型来理解特定领域的文本，但 Auto-NLP 正在迅速落后于 Auto-ML 趋势，从而实现这一点。从这个词本身的含义来看，自动化允 使用 Strikingly 最大化您的社交媒体内容 许每个人都加入机器学习社区，并且不将该技术限制于数据科学家和软件工程师。
Auto-NLP 不仅有助于缩小技能差距
而且其表现也出奇地好。事实上，一项针对最 工具来 线数据库 让团 先进 Auto-ML 框架的新研究发现自动机器学习工具正在执行比人类更好或更接近。虽然 Auto-ML 和 -NLP 工具目前还不能作为独立的解决方案，但它们可以补充数据科学家的技能，以减少花在日常任务上的时间，同时帮助新手熟悉该技术。