新智元报道 来源：Stanford 编辑：大明
【新智元导读】斯坦福大学官方公布cs224n课程《基于深度学习的自然语言处理》详细安排，主讲人为斯坦福大学人工智能实验室主任，著名计算机科学家Christopher Manning教授，1月份课程阅读材料已公布。本课程自2017 年起开设，2017年该课程视频已公开放出。
近日，斯坦福大学官网公布了2019年度冬季cs224n课程：基于深度学习的自然语言处理的课程安排。本课程主讲人为斯坦福大学人工智能实验室主任，著名计算机科学家Christopher Manning教授。
授课时间和地点：太平洋标准时间每周二/周四，下午4：30-5：50，NVIDIA Auditorium。
本课程从第二周开始，设定数小时的每周辅导时间，包括远程网络辅导，具体时间和地点待定。注册学生的讲座视频届时将在网上公开放出。
公开讲座视频：课程完成后，计划在YouTube上公开发布视频。请耐心等待，因为准备视频以供发布需要一些时间。与此同时，2017年冬季课程视频已在YouTube上公开发布。
cs224n官网链接：
http://web.stanford.edu/class/cs224n/index.html
2017年本课程视频观看地址（油管）：
https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
资格审核：一般来说，如果是斯坦福社区（本校注册学生、教职员工/教师）的成员，我们很高兴您可以参加讲座。如果课程太满，位置不足，会要求本校注册学生参加。由于申请人数众多，我们无法评估任何未正式报名参加课程的学生的作业或项目。
课程内容
这门课程是讲什么的？
自然语言处理（NLP）是信息时代最重要的技术之一，也是人工智能技术的关键部分。 NLP的应用无处不在，因为人们的交流都要使用语言：在网络搜索、广告、电子邮件、客户服务，语言翻译、医学报告等应用都离不开语言。
近年来，深度学习方法在许多不同的NLP任务中已经具备了极高的性能，这些方法使用单个端到端神经模型，不需要传统的、针对特定的功能的项目。
在本课程中，学生将深入了解NLP深度学习的前沿研究现状。通过讲座、作业和期末项目，学习设计、实施和理解构建神经网络模型所需的技能。今年，CS224n将首次使用PyTorch而不是TensorFlow。
往年课程资源
本课程于2017开始开设，是之前CS224n（自然语言处理）和CS224d（自然语言处理与深度学习）课程的合并，官网上有过去几年相关课程的官网链接和学生项目报告，可供参考。
先修课程/知识要求
精通Python
所有类分配都将使用Python（NumPy和PyTorch）。
本教程可能对那些不熟悉Python和/或NumPy的人有用。如果你有很多编程经验，但使用的不同的语言（例如C / C / Matlab / Java / Javascript）也是没问题的。
大学微积分、线性代数（例如MATH 51，CME 100）
学生应该习惯于使用多变量导数，并理解矩阵/向量符号和运算。
基本概率和统计（例如CS 109或同等课程）
学生应了解概率基础知识、高斯分布、均值、标准差等。
具备一定机器学习的基础（例如CS 221或CS 229）
我们将制定成本函数，采用衍生工具并通过梯度下降进行优化。如果学生已经掌握基本的机器学习/深度学习知识，那么理解本课程将会更容易，但这一点不做强制要求，不掌握这些知识也可以上CS224n这门课。
这里给出了一些参考资源。
- Dan Jurafsky and James H. Martin. Speech and Language Processing (3rd ed. draft)
- Jacob Eisenstein. Natural Language Processing
- Yoav Goldberg. A Primer on Neural Network Models for Natural Language Processing
- Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning
课程表与授课内容已公布，附1月课程阅读材料
目前CS224n的2019年度课程表已经公布，授课时间从1月8日至3月14日，每周二和周四授课。其中1月份课程的建议阅读材料已经给出。
按照时间顺序，1月份授课主题分别为：
词向量、反向传播、神经网络、依存句法分析、递归神经网络和语言模型、梯度消失和RNN、机器翻译、Seq2Seq和注意力。
更多信息和资源，可访问斯坦福cs224n官网链接：
http://web.stanford.edu/class/cs224n/index.html
