斯坦福2019年深度学习NLP课程完结，视频（有字幕）已放出 | 附PPT、参考资料、优秀项目

乾明 发自 凹非寺 量子位 报道 | 公众号 QbitAI

斯坦福2019年深度学习NLP课程资源出来了！

大部分课程视频（有字幕）已经上线，所有的课程PPT都已经放出，课程中的优秀项目也已经公开。

与斯坦福NLP课程上一版资源（2017年）相比，这次课程有了巨大的更新，加入了近两年非常流行的Transformer和预训练表征等内容。

如果你对NLP感兴趣，千万不要错过~

课程都讲了啥？

课程主讲人是斯坦福大学计算机科学和语言学教授Chris Manning和他的学生Abigail See。

Christopher Manning是斯坦福大学人工智能实验室主任，也是ACM和AAAI的Fellow。

课程一共有20讲，涵盖的内容主要有单词向量、反向传播、神经网络、RNN和语言模型、梯度消失、机器翻译、自然语言生成等等。最后一节的内容是介绍NLP的未来。

今年的课程相比往年更为紧凑，取消了介绍NLP入门的内容，第一节课直接进入正题，讲授单词向量。

而且更加前沿，第二讲的附加阅读中，就出现了NeurIPS 2018上的论文On the Dimensionality of Word Embedding。

需要注意的是，今年的课程首次使用PyTorch，取代了之前的TensorFlow。

课程观看指南

课程网站，有PPT和参考资料： http://web.stanford.edu/class/cs224n/index.html#schedule

官方课程视频网站： http://onlinehub.stanford.edu/cs224

B站视频链接（有字幕）： https://www.bilibili.com/video/av46216519

课程优秀项目网站： http://web.stanford.edu/class/cs224n/project.html

最后，提个醒~

这门课程并不是面向零基础人士，所以你要先掌握以下知识才能看懂：

• Python：包括使用NumPy和PyTorch
• 大学微积分、线性代数：多元函数微积分、矩阵、向量
• 基本概率和统计：高斯分布、平均值、标准差
• 机器学习的基础知识：建议阅读Hal Daumé’s机器学习课程的前5章内容

— 完 —