NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

本文作者： AI研習社-譯站

2018-05-16 11:53

導語：帶你走進斯坦福最受歡迎的 NLP 課！

今日，斯坦福大學「CS224d：深度自然語言處理課程」中英字幕版重磅上線！

本次翻譯的 CS224d （2016-2017）課程視頻為斯坦官方開源最新版本，由斯坦福大學教授、 Salesforce 的首席科學家 Richard Socher 授權雷鋒字幕組翻譯，5 月 16 日開始正式同步更新在 AI 研習社、AI 慕課學院。

每周三更新，預計持續(xù) 18 周

點擊這里，可以免費無限次觀看 CS224d 中英字幕版

http://www.mooc.ai/course/494

. . .

CS224d，原名 Deep Learning for Natural Language Processing （深度自然語言處理），是全球 NLP 領域最受歡迎的課程之一，讓你在了解豐富的深度自然語言處理應用案例的同時，學會在實踐中搭建出最先進的自然語言處理模型。

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

因為課程太受歡迎，斯坦福每年都會更新這門免費開源課，并加入熱門的話題和案例。

全課有18節(jié)1小時課程+3次課間作業(yè)+1次終極課程項目，登錄 AI 慕課學院觀看還可以倍速播放。

中文版 CS224d 課程介紹

自然語言處理（NLP）是信息時代最重要的技術之一。理解復雜的語言話語也是人工智能的重要組成部分。 NLP 的應用無處不在，因為人與人之間大部分的溝通都需要語言：網(wǎng)絡搜索，廣告，電子郵件，客戶服務，語言翻譯，放射報告等。

NLP 應用程序背后有大量的基礎任務和機器學習模型。最近，深度學習方法通過不同的 NLP 任務實現(xiàn)了超高性能。這些模型通常可以通過單一的端到端模型進行訓練，而不需要傳統(tǒng)的、特定任務特征的工程。

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

CS224d ( 2016-2017 ) 中英字幕版

在這個冬季課程中，學生將學習執(zhí)行、訓練、調試、可視化和創(chuàng)造他們自己的神經(jīng)網(wǎng)絡模型。該課程全面介紹了應用于NLP的深度學習尖端研究。在模型方面，介紹詞向量表示、基于窗口的神經(jīng)網(wǎng)絡、時間遞歸神經(jīng)網(wǎng)絡、長期短期記憶模型、結構遞歸神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡以及一些涉及存儲器組件的最新模型。

學生通過講座和編程作業(yè)，可以掌握用神經(jīng)網(wǎng)絡解決實際問題的必備技巧。

領銜主講人是Christopher Manning、Richard Socher

2016-2017 年版 CS224d 課程講座，由斯坦福大學教授 Christopher Manning、Richard Socher 領銜主講。

Christopher Manning 是斯坦福大學計算機科學和語言學系機器學習領域的首席教授。Manning 是將深度學習運用于自然語言處理的先驅，他希望能夠創(chuàng)造出能夠智能處理、理解、生成人類語言材料的計算機。同時，Manning 還是國際計算機學會( ACM )、國際人工智協(xié)會（ AAAI ）、國際計算語言學會（ACL）等國際權威學術組織的會士，曾獲 ACL、 EMNLP 、 COLING 、CHI 等國際頂會最佳論文獎。

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

領銜主講人 Christopher Manning

Richard Socher 是 Salesforce 的首席科學家，也是斯坦福大學計算機科學系的兼職教授。2016年曾擔任被 Salesforce 收購的 MetaMind 的創(chuàng)始人兼首席執(zhí)行官兼首席技術官。

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

主講人 Richard Socher

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線

CS224d ( 2016-2017 ) 原版授課團隊

學習 CS224d 的必備知識

熟練掌握 Python

所有課堂作業(yè)將在 Python 中（使用 Numpy 和 Tensorflow）。這里有一個教程，用于那些不熟悉 Python 的人。如果你有很多編程經(jīng)驗，但使用不同的語言（例如 C / C ++ / Matlab / Javascript ），可能會更好。

大學微積分、線性代數(shù)

你應該會求導數(shù)，也了解矩陣向量運算與符號。

基本概率和統(tǒng)計

你應該知道概率、高斯分布、均值、標準差等基本知識。

機器學習基礎

我們會用梯度下降制定成本函數(shù)、求導數(shù)及執(zhí)行優(yōu)化。CS221 或 CS229 都會涵蓋這些內容。掌握一些凸優(yōu)化知識，優(yōu)化技巧將會更直觀。

課程大綱

第一講 - NLP和深度學習入門

第二講 - 詞向量表示： word2vec

第三講 - 高級詞向量表示

第四講 - Word Window 分類與神經(jīng)網(wǎng)絡

第五講 - 反向傳播和項目建議

第六講 - 依賴分析

第七講 - TensorFlow入門

第八講 - RNN和語言模式

第九講 - 機器翻譯和高級循環(huán)神經(jīng)網(wǎng)絡 LSTMs 和 GRUs

第十講 - 神經(jīng)機器翻譯和注意力模型

第十一講 - GRU 及 NMT 的其他議題

第十二講 - 語音處理的端對端模型

第十三講 - 卷積神經(jīng)網(wǎng)絡

第十四講 - 樹 RNN 和短語句法分析

第十五講 - 共指解析

第十六講 - 用于回答問題的動態(tài)神經(jīng)網(wǎng)絡

第十七講 - NLP 的問題和可能性架構

第十八講 - 應對深度 NLP 的局限性

課后作業(yè)

作業(yè)1：在這個任務中，我們將熟悉神經(jīng)網(wǎng)絡，詞向量及其在情緒分析中的應用的基本概念。
作業(yè)2：在本作業(yè)中，您將學習 TensorFlow 的基礎知識，使用 TensorFlow 為基于轉換的依賴性分析實現(xiàn)前饋神經(jīng)網(wǎng)絡，并通過計算遞歸神經(jīng)網(wǎng)絡語言模型的漸變深入研究反向傳播。
作業(yè)3：在本作業(yè)中，您將學習關于命名實體識別和實現(xiàn)基線窗口模型以及循環(huán)神經(jīng)網(wǎng)絡模型。該任務還涵蓋門控周期性單位，將其應用于簡單的一維序列和命名實體識別。
作業(yè)4：自己動手一個終極項目。

值得注意的是，CS224d 中英字幕課程也會放出課后作業(yè)和項目練習。

NLP 領域的 C 位課程！斯坦福 CS224d 中英字幕版重磅上線