重磅 | AI 第一高校 CMU 的「神经网络 NLP」课,中英字幕独家上线!

2019 年 3 月 7 日 AI科技评论

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)

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。

  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


点击 阅读原文 ,查 看  由 AI 顶尖高校 CMU 开设的「深度学习」课程
登录查看更多
4

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
斯坦福大学经典《自然语言处理cs224n》2020课件合集
专知会员服务
94+阅读 · 2020年5月25日
【MIT深度学习课程】深度序列建模,Deep Sequence Modeling
专知会员服务
75+阅读 · 2020年2月3日
【斯坦福新课】CS234:强化学习,附课程PPT下载
专知会员服务
112+阅读 · 2020年1月15日
【机器学习课程】Google机器学习速成课程
专知会员服务
161+阅读 · 2019年12月2日
CMU 深度学习导论更新 | 第四讲:反向传播
雷锋网
5+阅读 · 2018年11月27日
CS224n 更新 | 第七讲 - TensorFlow入门
AI研习社
4+阅读 · 2018年6月26日
第5弹!CS231n 2017中文字幕视频:卷积神经网络
AI研习社
9+阅读 · 2017年12月7日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
Arxiv
11+阅读 · 2019年6月19日
Arxiv
12+阅读 · 2019年2月28日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
6+阅读 · 2018年6月20日
VIP会员
相关论文
Top
微信扫码咨询专知VIP会员