原文:
www.kdnuggets.com/2017/07/5-free-resources-getting-started-deep-learning-nlp.html
来源于 Richard Socher 的幻灯片,见下文。
对将深度学习应用于自然语言处理(NLP)感兴趣?不知道从哪里或如何开始学习?
这是为初学者准备的 5 个资源的集合,这些资源应当能让你对可能性和 NLP 与深度学习交集的最新进展有一些了解。它也应该能提供一些下一步的建议。希望这些资源对你有所帮助。
这是斯坦福大学和 MetaMind 的 Richard Socher 的一套幻灯片,最初在里斯本的机器学习暑期学校上展示。你会发现这是对 NLP 和深度学习,以及深度学习在 NLP 中的应用的一个扎实入门。期待没有魔法。
此外,从Socher学习也是一个不错的主意。
这是 Marc Moreno Lopez 和 Jugal Kalita 的一篇综述论文。摘要如下:
卷积神经网络(CNNs)通常与计算机视觉相关联。CNNs 在图像分类方面取得了重大突破,并且是大多数计算机视觉系统的核心。最近,CNNs 也被应用于自然语言处理问题,并取得了一些有趣的结果。在这篇论文中,我们将尝试解释 CNNs 的基础知识、不同的变体及其在自然语言处理中的应用。
这比下面的论文更为简洁,且在五分之一的篇幅中做得很不错。
这是 Yoav Goldberg 的全面概述。摘要如下:
本教程从自然语言处理研究的角度调查神经网络模型,试图让自然语言研究人员了解神经技术。教程涵盖了自然语言任务的输入编码、前馈网络、卷积网络、递归网络和递归网络,以及自动梯度计算的计算图抽象。
作为额外的收获,你可能还想阅读 Yoav 最近的一系列简短博客文章,这些文章讨论了同一主题,不过从不同的角度来看:
无论你在上述内容中的立场如何(即使你有一个“立场”),这句话都是绝对的金句:
我反对的是“深度学习社区”进入(包括自然语言处理在内)他们仅有非常肤浅理解的领域,并在没有花时间了解问题领域的情况下做出广泛且毫无根据的声明。
来自斯坦福的 CS224n:深度学习中的自然语言处理课程。
这是一个最受欢迎和最受尊敬的自然语言处理课程,由 Chris Manning 和 Richard Socher 教授。课程网站上说:
这门课程全面介绍了应用于自然语言处理的前沿深度学习研究。在模型方面,我们将涵盖词向量表示、基于窗口的神经网络、递归神经网络、长短期记忆模型、递归神经网络、卷积神经网络以及一些涉及记忆组件的最新模型。
如果你有兴趣直接跳转到讲座视频,请点击这里。
另一个来自顶尖大学的优秀课程资源,这门课程由牛津大学的 Phil Blunsom 教授。课程网站上说:
这是一个高级的自然语言处理课程。自动处理自然语言输入并产生语言输出是人工通用智能的一个关键组成部分。人类沟通中固有的模糊性和噪音使得传统的符号 AI 技术在表示和分析语言数据方面无效。最近,基于神经网络的统计技术在自然语言处理方面取得了一些显著的成功,导致了这一领域的商业和学术兴趣的大幅增长。
你可以直接访问这个链接查看课程材料的 Github 仓库。
相关资源:
-
5 个免费资源帮助你入门自动驾驶车辆
-
5 个免费课程帮助你入门人工智能
-
进入机器学习职业之前必读的 5 本电子书
1. Google 网络安全证书 - 快速进入网络安全职业道路
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持组织的 IT 工作