全球名校AI课程库(38)| 马萨诸塞大学 · 自然语言处理进阶课程『Advanced Natural Language Processing』
课程介绍
自然语言处理 (NLP) 是一门关于如何教计算机理解人类语言的工程艺术和科学。NLP 作为一种人工智能技术,现在已经无处不在——我们可以与手机交谈、使用网络回答问题、在社交媒体中讨论,甚至在人类语言之间进行翻译。
CS685 马萨诸塞大学 NLP 进阶课程,广泛关注自然语言处理的深度学习方法,详细讲解前沿技术点与典型应用。课程重点是神经语言模型和迁移学习——这两者都极大地推动了最先进的技术。
课程基于 Pytorch 完成代码案例讲解,涵盖建模架构、训练目标和下游任务。手写重点与手敲代码的授课风格,能帮助大家更好地深入掌握相关知识。
课程适用于有兴趣了解 NLP 前沿研究进展和熟悉机器学习基础知识的计算机科学 / 语言学研究生。
课程讲师 Mohit Iyyer,是马萨诸塞大学计算机科学助理教授,研究领域为自然语言处理和机器学习,致力于使用深度学习在话语级别对语言进行建模。
课程主题
课程官网发布了课程主题,ShowMeAI 对其进行了翻译。
- Language modeling(语言模型)
- Neural language models(神经语言模型)
- Backpropagation(反向传播)
- Implementing a neural language model in PyTorch(在 PyTorch 中实现神经语言模型)
- Attention mechanisms(注意力机制)
- Transformers and sequence-to-sequence models(transformer和序列到序列模型)
- Transfer learning for NLP(NLP 的迁移学习)
- BERT(BERT)
- Question answering(问答系统)
- Better BERTs(BERT变种)
- Scaling up language modeling & GPT-3(扩展语言模型规模和 GPT-3)
- Text generation decoding and evaluation(文本生成解码和评估)
- Paraphrase generation(释义生成)
- Crowdsourced text data collection(众包文本数据收集)
- Model distillation and security threats(模型蒸馏和抽取)
- Retrieval-augmented language models(基于检索增强的语言模型)
- Implementing a Transformer(实现transformer)
- vision + language(视觉与语言模型)
- semantic parsing(语义解析)
课程资料 | 下载
扫描上方图片二维码,关注公众号并回复关键字 『CS685』,就可以获取整理完整的资料合辑啦!当然也可以点击 这里 查看更多课程的资料获取方式!
ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:
- 课件&笔记。PDF文件。覆盖Lecture 1~21全部章节。
- 拓展阅读材料。PDF文件。20+课程推荐学习的相关论文。
课程视频 | B站
ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 B站 观看完整课程视频哦!
全球名校AI课程合辑
- CS数学基础课程合辑:https://www.showmeai.tech/tutorials/38
- 计算机基础课程合辑:https://www.showmeai.tech/tutorials/29
- 机器学习课程合辑:https://www.showmeai.tech/tutorials/28
- 深度学习课程合辑:https://www.showmeai.tech/tutorials/77
- 自然语言处理课程合辑:https://www.showmeai.tech/tutorials/55
- 计算机视觉课程合辑:https://www.showmeai.tech/tutorials/73
- 强化学习课程合辑:https://www.showmeai.tech/tutorials/87
- AI生物医疗课程合辑:https://www.showmeai.tech/tutorials/74
- 其他名校AI课程合辑:https://www.showmeai.tech/tutorials/76
作者:ShowMeAI内容团队
阅读原文:https://www.showmeai.tech/article-detail/374
全球名校AI课程库(38)| 马萨诸塞大学 · 自然语言处理进阶课程『Advanced Natural Language Processing』的更多相关文章
- 吴恩达《深度学习》-第五门课 序列模型(Sequence Models)-第二周 自然语言处理与词嵌入(Natural Language Processing and Word Embeddings)-课程笔记
第二周 自然语言处理与词嵌入(Natural Language Processing and Word Embeddings) 2.1 词汇表征(Word Representation) 词汇表示,目 ...
- 斯坦福大学自然语言处理第四课“语言模型(Language Modeling)”
http://52opencourse.com/111/斯坦福大学自然语言处理第四课-语言模型(language-modeling) 一.课程介绍 斯坦福大学于2012年3月在Coursera启动了在 ...
- 课程五(Sequence Models),第二 周(Natural Language Processing & Word Embeddings) —— 2.Programming assignments:Emojify
Emojify! Welcome to the second assignment of Week 2. You are going to use word vector representation ...
- 课程五(Sequence Models),第二 周(Natural Language Processing & Word Embeddings) —— 1.Programming assignments:Operations on word vectors - Debiasing
Operations on word vectors Welcome to your first assignment of this week! Because word embeddings ar ...
- 课程五(Sequence Models),第二 周(Natural Language Processing & Word Embeddings) —— 0.Practice questions:Natural Language Processing & Word Embeddings
[解释] The dimension of word vectors is usually smaller than the size of the vocabulary. Most common s ...
- Natural Language Processing 课程,文章,论文
CS224n: Natural Language Processing with Deep Learning http://cs224d.stanford.edu/syllabus.html http ...
- 世界名校网络课程大盘点,美国大学CS专业十三大研究方向,世界50所知名大学提供开放课程
世界名校网络课程大盘点 加州大学伯克利分校http://webcast.berkeley.edu/ 加州大学伯克利分校与斯坦福大学. 麻省理工学院等一同被誉为美国工程科技界的学术 领袖,其常年位居 ...
- [MarsZ]程序猿谈大学之大学应该学好哪些课程
大家好,我是MarsZ,上次给大家带来了程序猿Mars谈大学之大学应该怎么过 ,反响还不错(……),这次继续给大家分析一下大学应该学好哪些课程. 首先必须说明两点:一,以下我说的仅代表个人观点.二,仅 ...
- 名校AI课推荐 | UC Berkeley《人工智能导论》
深度学习具备强感知能力但缺乏一定的决策能力,强化学习具备决策能力但对感知问题束手无策,因此将两者结合起来可以达到优势互补的效果,为复杂系统的感知决策问题提供了解决思路. 今天我们推荐这样一门课程--U ...
随机推荐
- iommu系列之---概念解释篇
本文会对iommu中的一些容易引起疑惑的概念进行阐述,内核版本为4.19. 先上简写: DMAR - DMA remapping DRHD - DMA Remapping Hardware Unit ...
- Python小游戏——外星人入侵(保姆级教程)第一章 07调整飞船速度 08限制飞船活动范围
系列文章目录 第一章:武装飞船 07调整飞船速度 08限制飞船活动范围 一.代码及演示 1.修改settings 修改文件:settings.py 点击查看代码 #渗透小红帽python的学习之路 # ...
- Linux安装Jenkins及配置svn使用
目录 1. 下载 2. 创建文件夹 3. 安装 4. 修改端口,不用这步 5. 安装插件提速 6. 启动 7. 页面访问 8. 新建用户 9. 安装Subversion插件 10. 安装maven插件 ...
- Tablesaw——Java统计、机器学习库
资源 java二维数组处理可可视化库 https://github.com/jtablesaw/tablesaw plotly JS库的Java封装 https://github.com/jtable ...
- Linux_more_less总结
先写结论 : less is more,使用less 优于使用more more 和 less的区别 优于more不能后退,而less 就在其基础上增加了后退功能 less 可以使用键盘上的上下方向键 ...
- 自定义异常、Java网络编程
day04 throw关键字 throw用来对外主动抛出一个异常,通常下面两种情况我们主动对外抛出异常: 1:当程序遇到一个满足语法,但是不满足业务要求时,可以抛出一个异常告知调用者. 2:程序执行遇 ...
- K8s 上的分布式存储集群搭建(Rook/ceph)
转载自:https://mp.weixin.qq.com/s/CdLioTzU4oWI688lqYKXUQ 1 环境准备 1.1 基础环境 3台配置一致的虚拟机 虚拟机配置:4c 8g 虚拟机操作系统 ...
- Pod原理
Pod 是 Kubernetes 集群中最基本的调度单元,我们平时在集群中部署的应用都是以 Pod 为单位的,而并不是我们熟知的容器,这样设计的目的是什么呢?为何不直接使用容器呢? 为什么需要 Pod ...
- 在 Traefik 中使用 Kubernetes Gateway API
文章转载自:https://mp.weixin.qq.com/s/QYy8ETBB-xqU0IMI7YuTWw Gateway API(之前叫 Service API)是由 SIG-NETWORK 社 ...
- PAT (Basic Level) Practice 1017 A除以B 分数 20
本题要求计算 A/B,其中 A 是不超过 1000 位的正整数,B 是 1 位正整数.你需要输出商数 Q 和余数 R,使得 A=B×Q+R 成立. 输入格式: 输入在一行中依次给出 A 和 B,中间以 ...