一、前言
自然语言是人类智慧的结晶,自然语言处理是人工智能中最为困难的问题之一,而对自然语言处理的研究也是充满魅力和挑战的。 通过经典的斯坦福cs224n教程,让我们一起和自然语言处理共舞!也希望大家能够在NLP领域有所成就!
二、先修知识(学习的过程中可以遇到问题后再复习)
- 了解python基础知识
- 了解高等数学、概率论、线性代数知识
- 了解基础机器学习算法:梯度下降、线性回归、逻辑回归、Softmax、SVM、PAC(先修课程斯坦福cs229 或者周志华西瓜书)
- 具有英语4级水平(深度学习学习材料、论文基本都是英文,一定要阅读英文原文,进步和提高的速度会加快!!!!)
- 以上知识要求内容可在最下方的知识工具中查找
三、每周学习时间安排
每周具体学习时间划分为4个部分:
- 1部分安排周一到周二
- 2部分安排在周四到周五
- 3部分安排在周日
- 4部分作业是本周任何时候空余时间
- 周日晚上提交作业运行截图
- 周三、周六休息^_^
(以下的部分链接在手机端无法正常显示,请复制链接到电脑浏览器打开)
四、分节学习内容
第1部分学习任务:
(1)观看自然语言处理课学习绪论,了解深度学习的概括和应用案例以及训练营后续的一些学习安排
学习时长:11/30—12/2
绪论视频地址: https://m.weike.fm/lecture/10194068
(2)自然语言处理和深度学习简介,观看课件lecture01、视频1、学习笔记
学习时长:11/30—12/4
- 课件: lecture01(链接地址: https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture1.pdf )
- 观看视频1(链接地址: https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0)
- 学习笔记:自然语言处理与深度学习简介(链接地址: http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html )
第4部分作业:Assignment 1.1-1.2(链接地址: https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md )
- 1.1 Softmax 算法
- 1.2 Neural Network Basics 神经网络基础实现
完成时间:任何空余时间
作业截止提交时间:12/9号之前
作业提交指南:
将作业发送到训练营公共邮箱即可,训练营以打卡为主,不用提交作业。以下为注意事项:
<0> 课程资料:链接 ( https://pan.baidu.com/share/init?surl=p1J9kyoNZIwqCRmaX6lvoQ )密码:zwjr
<1> 训练营代码公共邮箱:cs224n@163.com
<2> 将每周作业压缩成zip文件,文件名为“学号+作业编号”,例如:"NLP010037-01.zip"
<3> 注意不要改变作业中的《方法名》《类名》不然会检测失败!!
下图为提交示例:
课程资料:
课程主页: https://web.stanford.edu/class/cs224n /
中文笔记: http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html
课程视频: https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0
实验环境推荐使用Linux或者Mac系统,以下环境搭建方法皆适用:
· Docker环境配置: https://github.com/ufoym/deepo
· 本地环境配置: https://github.com/learning511/cs224n-learning-camp/blob/master/environment.md
注册一个github账号:github.com
后续发布的一些project和exercise会在这个github下:
https://github.com/learning511/cs224n-learning-camp
重要的一些资源:
深度学习斯坦福教程: http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B
廖雪峰python3教程: https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000
github教程: https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000
莫烦机器学习教程: http://morvanzhou.github.io/tutorials /
深度学习经典论文: https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
斯坦福cs229代码(机器学习算法python徒手实现): https://github.com/nsoojin/coursera-ml-py
吴恩达机器学习新书:machine learning yearning: https://github.com/AcceptedDoge/machine-learning-yearning-cn
清华大学NLP实验室总结机器阅读论文、数据集: https://github.com/thunlp/RCPapers
本人博客(机器学习基础算法专题): https://blog.csdn.net/dukuku5038/article/details/82253966
本人博客(深度学习专题): https://blog.csdn.net/column/details/28693.html
斯坦福cs20I课件: https://github.com/learning511/cs224n-learning-camp/tree/master/cs20is
AI比赛经验+开源代码汇总: https://blog.csdn.net/dukuku5038/article/details/84195750
知识工具
为了让大家逐渐适应英文阅读,复习材料我们有中英两个版本,但是推荐大家读英文
数学工具
斯坦福资料:
- 线性代数(链接地址: http://web.stanford.edu/class/cs224n/readings/cs229-linalg.pdf )
- 概率论(链接地址: http://101.96.10.44/web.stanford.edu/class/cs224n/readings/cs229-prob.pdf )
- 凸函数优化(链接地址: http://101.96.10.43/web.stanford.edu/class/cs224n/readings/cs229-cvxopt.pdf )
- 随机梯度下降算法(链接地址: http://cs231n.github.io/optimization-1 /)
中文资料:
- 机器学习中的数学基本知识(链接地址: https://www.cnblogs.com/steven-yang/p/6348112.html )
- 统计学习方法(链接地址: http://vdisk.weibo.com/s/vfFpMc1YgPOr )
- 大学数学课本(从故纸堆里翻出来^_^)
编程工具
斯坦福资料:
- Python复习(链接地址: http://web.stanford.edu/class/cs224n/lectures/python-review.pdf )
- TensorFlow教程(链接地址: https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow )
中文资料:
- 廖雪峰python3教程(链接地址: https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000 )
- 莫烦TensorFlow教程(链接地址: https://morvanzhou.github.io/tutorials/machine-learning/tensorflow /)
摘自微信公众号: 深度之眼