0
本文作者: AI研习社-译站 | 2019-03-07 17:20 |
AI 研习社获得官方授权,汉化翻译卡耐基梅隆大学的11-747神经网络自然语言处理(2019春季),今天正式上线中英双语字幕版课程啦!
我们先来一睹为快——
第一讲
课程介绍 & 使用神经网络做自然语言处理的原因
上手视频约 5 分钟
翻译 | 杨宝山 宁慧聪
翻译 | 胡瑛皓 卢嘉杰 张伟 吴说
看完是不是不够过瘾!
请扫描下方二维码,加入官方学习小组
即可观看完整视频
回复字幕君(微信:leiphonefansub)
你加入该课程小组的截图
我们将你拉入微信群聊
加我时备注“11-747加群”~
↓↓↓
背景介绍
在2018年,AI 研习社开设的海外课程小组第一门课就是来自卡耐基梅隆大学的2018年秋季《深度学习导论》学习小组,目前该小组已经有 1900+ 成员,大家的反响非常热烈,已经有超过三千条的学习打卡记录,60多条学习笔记干货,学习氛围相当浓厚。
加入卡耐基梅隆大学的2018年秋季《深度学习导论》学习小组:
好消息是,我们又获得了卡耐基梅隆大学另外一门课程的的官方授权,并且成功组织志愿者对该课程进行了翻译,中英双语版字幕今天终于上线啦!这门课程就是: CMU CS 11-747神经网络自然语言处理课程(2019春季),也就是现在开源的最新版本。
如果你关注NLP领域,怎能错过这一课程:《CS224n 斯坦福深度自然语言处理》,由斯坦福大学出品,领衔主讲人 Richard Socher 授权雷锋字幕组译制,让你在了解丰富的自然语言处理基础理论的同时,学会将运用神经网络到实际问题中。
加入CS224n 斯坦福深度自然语言处理(2017年秋季),目前CS224n暂未开源最新2019冬季版本,如果你有意向参与到该课程的翻译,也可以添加字幕组微信为好友。
课程介绍
该课程是CMU语言技术学院和计算机学院联合开课,主要内容是教学生如何用神经网络做自然语言处理。神经网络对于语言建模任务而言,可以称得上是提供了一种强大的新工具,与此同时,神经网络能够改进诸多任务中的最新技术,将过去不容易解决的问题变得轻松简单。
本课程将首先简要介绍神经网络,然后花费大部分课程的时间,向大家演示——如何将神经网络应用于自然语言问题。每次课程都将讨论到自然语言中的特定问题或现象,向大家描述建模之所以很难的原因,并且演示一些能够解决该问题的模型。在此过程中,本课程还会涵盖的话题有——在创建神经网络模型中效果不错的各类技术,包括处理可变大小和结构化的句子,有效处理大数据,半监督和无监督学习,结构化预测等。雷锋网雷锋网雷锋网
先修要求
学生必须了解 11-711“NLP算法”或同等学力课程知识、如果你没有学过11-711,我希望你有足够的NLP背景,能够完成相关任务(例如关于n-gram语言建模,CKY解析和单词对齐)。
课程大纲
第一讲:课程介绍 & 使用神经网络做自然语言处理的原因
第二讲:简单练习 :预测句子中的下一个单词
第三讲:分布语义和词向量
第四讲:针对语言的卷积神经网络
第五讲:语句或语言建模的循环神经网络
第六讲:条件生成
第七讲:注意力机制
第八讲:语句和上下文词语的表示
第九讲:调试用于自然语言处理的神经网络
第十讲:使用局部独立假设的结构化预测
第十一讲:强化学习
第十二讲:使用局部独立假设的结构化预测
第十三讲:模型解读
第十四讲:潜在随机变量
第十五讲:文本的对抗方法
第十六讲:基于转换的句法分析模型
第十七讲:使用动态规划的句法分析
第十八讲:神经语义分析
第十九讲:无监督和半监督结构学习
第二十讲:对话模型
第二十一讲:文档级模型
第二十二讲:知识图谱学习
第二十三讲:使用神经网络的机器阅读
第二十四讲:多任务多语言学习模型
第二十五讲:高阶搜索算法
译者评价
挺好的,延伸性强,会讲每个知识点的应用要点,并探讨最新的paper在相关问题上的进展。CMU的教授是挺生猛的,需要学生的素质也高。
@孙稚昊
是一个不错的补充吧。我目前也在youtube上看,感觉课程内容资源都挺丰富的。一些细节讲的也不错,和之前的cs224n互相补充我觉得挺好的。
@卢嘉杰
老师讲解非常详细,深入浅出,NLP那个导论 我觉得授课的老师 重在让学生 通过兴趣自我驱动 结合授课完成相关的作业
@胡瑛皓
卡耐基梅隆大学出品,必属精品。老师的知识面非常广,同时也非常前沿。
@吴说
课件很不错,覆盖面广,同时也包含了很多深入研读的资料;课程层次清晰,不懂深度学习的学起来也不会太困难;
@孙昊
课程截图
雷峰网原创文章,未经授权禁止转载。详情见转载须知。