牛津自然語言處理深度學習課程 · Machine Learning Mastery 博客文章翻譯

# 牛津自然語言處理深度學習課程 > 原文： [https://machinelearningmastery.com/oxford-course-deep-learning-natural-language-processing/](https://machinelearningmastery.com/oxford-course-deep-learning-natural-language-processing/) 深度學習方法在一系列自然語言處理問題上實現了最先進的結果令人興奮的是，單個模型經過端到端的訓練，取代了一套專業的統計模型。英國牛津大學教授自然語言處理深度學習課程，本課程的大部分材料都可以在線免費獲取。在這篇文章中，您將發現牛津自然語言處理深度學習課程。閱讀這篇文章后，你會知道： * 課程包含的內容和先決條件。 * 講座細分以及如何訪問幻燈片和視頻。 * 課程項目的細分以及訪問材料的位置。讓我們開始吧。 ![Oxford Course on Deep Learning for Natural Language Processing](img/e72c4b35b8142b9af5b4bb1c75376c9d.jpg) 牛津自然語言處理深度學習課程攝影： [Martijn van Sabben](https://www.flickr.com/photos/125993862@N06/16705276121/) ，保留一些權利。 ## 概觀這篇文章分為 4 部分;他們是： 1. 課程大綱 2. 先決條件 3. 講座細分 4. 項目 ## 課程大綱該課程名為“_ 深度學習自然語言處理 _”，并在牛津大學（英國）授課。它最后一次是在 2017 年初教授的。這門課程的優點在于它由 Deep Mind 人員運行和教授。值得注意的是，講師是 [Phil Blunsom](https://www.cs.ox.ac.uk/people/phil.blunsom/) 。本課程的重點是自然語言處理的統計方法，特別是在 NLP 問題上實現最新結果的神經網絡。從課程： > 這將是一個應用課程，側重于使用循環神經網絡分析和生成語音和文本的最新進展。我們將介紹相關機器學習模型的數學定義，并推導出它們相關的優化算法。 ## 先決條件本課程專為本科生和研究生設計。該課程假設主題有一些背景： * 可能性。 * 線性代數。 * 連續數學。 * 基礎機器學習。如果您是對 NLP 深度學習感興趣的從業者，您可能會從材料中獲得不同的目標和要求。例如，您可能希望專注于方法和應用程序而不是基礎理論。 ## 講座細分該課程由 13 個講座組成，雖然第一和第二講座分為兩部分。完整的講座細分如下。該課程的 [GitHub 存儲庫](https://github.com/oxford-cs-deepnlp-2017/lectures)提供了幻燈片，Flash 視頻和每個講座閱讀的鏈接。我建議通過這個[非官方 YouTube 播放列表](https://www.youtube.com/playlist?list=PL613dYIGMXoZBtZhbyiBqb0QtgK6oJbpm)觀看視頻。以下是第一講的課程概述幻燈片。 ![Deep Learning for Natural Language Processing at Oxford Lecture Breakdown](img/adbe1d4c8f3629311230e13ff482770e.jpg) 牛津大學自然語言處理的深度學習講座請注意，涵蓋各種主題的客座講師很多，其中大多數來自 Deep Mind。 * 第 1a 講 - 介紹[Phil Blunsom] * 第 1b 講 - 深度神經網絡[王玲] * 第 2a 講 - 詞匯層次語義[Ed Grefenstette] * 第 2b 講 - 實用概述[Chris Dyer] * 第 3 講 - 語言建模和 RNN 第 1 部分[Phil Blunsom] * 第 4 講 - 語言建模和 RNN 第 2 部分[Phil Blunsom] * 第 5 講 - 文本分類[Karl Moritz Hermann] * 第 6 講 - 關于 Nvidia GPU 的深度 NLP [Jeremy Appleyard] * 第 7 講 - 條件語言模型[Chris Dyer] * 第 8 講 - 注意引起語言[Chris Dyer] * 第 9 講 - 語音識別（ASR）[Andrew Senior] * 第 10 講 - 文本到語音（TTS）[Andrew Senior] * 第 11 講 - 回答問題[Karl Moritz Hermann] * 第 12 講 - 記憶[Ed Grefenstette] * 第 13 講 - 神經網絡中的語言知識你看過這些講座了嗎？你覺得呢？請在下面的評論中告訴我。 ## 項目該課程包括 4 個實際項目，您可能希望嘗試確認您對該主題的了解。項目如下，每個項目都有自己的 GitHub 項目，其中包含描述和相關的起始材料： * [實用 1：word2vec](https://github.com/oxford-cs-deepnlp-2017/practical-1) * [實用 2：文本分類](https://github.com/oxford-cs-deepnlp-2017/practical-2) * [實用 3：用于文本分類和語言建模的循環神經網絡](https://github.com/oxford-cs-deepnlp-2017/practical-3) * [實用 4：開放實用](https://github.com/oxford-cs-deepnlp-2017/practical-open) ## 進一步閱讀如果您要深入了解，本節將提供有關該主題的更多資源。 * [自然語言處理的深度學習：2016-2017](https://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/) * [GitHub 課程講座（PDF）](https://github.com/oxford-cs-deepnlp-2017/lectures) * [YouTube 上的課程講座視頻](https://www.youtube.com/playlist?list=PL613dYIGMXoZBtZhbyiBqb0QtgK6oJbpm) * [黑客新聞課程討論](https://news.ycombinator.com/item?id=13588070) ## 摘要在這篇文章中，您發現了牛津自然語言處理深度學習課程。具體來說，你學到了： * 課程包含的內容和先決條件。 * 講座細分以及如何訪問幻燈片和視頻。 * 課程項目的細分以及訪問材料的位置。你有任何問題嗎？在下面的評論中提出您的問題，我會盡力回答。