CMU 神经网络 NLP 更新 | 第二讲:预测句子中的下一个单词

3 月 15 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),今天上线第二讲!

我们先来一睹为快——

第二讲

简单练习 :预测句子中的下一个单词

上手视频约 4 分钟

翻译 | 孙稚昊 曹云 

翻译 | 王和春  孙振维  黄伟聪

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”~

↓↓↓

  新课预告

好消息来啦!如果你关注NLP领域,怎能错过这一课程:《CS224n 斯坦福深度学习自然语言处理》,不久前斯坦福大学在官方的油管频道上已经上传了最新版本的CS224n2019年课程。为此,AI研习社也同样开设学习小组,方便大家结伴讨论学习。

加入CS224n 斯坦福深度学习自然语言处理(2019年最新版),我们有计划在征求校方同意后开始组织翻译,敬请期待!

加入小组,全网首发抢先观看中英双语字幕


  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


点击文末阅读原文,加入AI 研习社课程学习小组,和更多志同道合的同学们一起学习吧

登录查看更多
点赞 0
Top