学习周报20191228 | CS224N

【学习周报】

总结自己的学习和遇到的好材料。

往期回顾：

• 学习周报20191117 | GRPC，搜索概述

• 学习周报20191124 | BART，紧密度分析

• 学习周报20191201 | 语义相似度，TF

• 学习周报20191208 | BILSTM-CRF，BERT

•  学习周报20191215 | NER综述

• 学习周报20191221 | charNER，bert-NER

近期越发感觉自己基础知识不足，看了自然语言处理入门感觉不够过瘾，所以看起了CS224N，说实话在课程中这块这个贪得还挺舒服，所以我也简单记录一下，以这套资源为基础的系统学习还是不错的。

报个进度，现在我看了两章，均是和语言模型有关，word2vector为主。

来具体介绍一下这个课吧：

课程的地址在这里：https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1184/

有关的笔记材料链接在这里：https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1184/syllabus.html

中文视频没找到，英文视频似乎也不好找，官方给的是油管的，但是找到了一套中文笔记，建议结合官方笔记和PPT一起食用，中文笔记还不错，唯一的缺点就是公式没有编译过来，是latex格式的：https://looperxx.github.io/CS224n-2019-01-Introduction%20and%20Word%20Vectors/

照例说说学习建议：

• 若不是语言有问题，建议以英文笔记为核心，官方ppt为提纲进行学习。（顺带还能提升英语能力，这种离开舒适区的提升速度很快）

• 中文笔记建议作为理解的辅助吧。

• 不局限于上面的材料，能找更多的资源协助自己理解，这个才是最为重要的，理解才是关键。

• 课程有先修要求的，官方都在提示你，没学先修课来学这个只会有两个后果，看不懂和以为自己学会了。

• • Python。

  • 高等数学，线性代数。

  • 概率与统计基础。

  • 机器学习基础。

目前我看到第二章，预计后面速度会加快，年末了时间会相对比较松一些，初学者不建议按照我这个速度，我的目标是复习不是学习额。