转载自：量子位
纸上得来终觉浅，决胜NLP要躬行。
一套面向实战、号称“代码优先”的NLP课程来了，名字为A Code-First Introduction to Natural Language Processing，fast.ai出品，全程免费学习。
不到半天点赞超过1600，转发近500。
这套课程内容包括主题建模、情绪分类，语言建模和翻译等，是旧金山大学今年春天的最新硕士课程，此前已经有300多名学生上过此课并毕业。
里面融合了此前经典NLP课程的基础内容，比如正则表达、SVD、朴素贝叶斯，还加入了最近兴起的神经网络中新方法，比如RNN、seq2seq、注意力机制和Transformer架构。
还加上了对道德问题、偏见问题和虚假信息可能带来的影响。
既然偏向实战，那代码必须全。这套课程用的是PyTorch和fast.a库所有的Python代码都在Jupyter Notebook中，还有全套视频与你为伴。
服用指南
直接看课程里面有什么干货。
1、概览
什么是NLP
2、传统NLP方法
占整个课程三分之一的篇幅，介绍了使用SVD进行主题建模，通过朴素贝叶斯和逻辑回归、以及正则表达式进行情感分类。
3、深度学习：NLP中的迁移学习
NLP中的迁移学习涉及到在大型语料库上训练语言模型，并且对不同的小语料库进行微调等。
这项工作已经被BERT、GPT-2和XLNet等模型采用，在这一节中，主要分享了构建英语以外其他语言模型的技巧，包括用ULMFit建立越南语和土耳其语语言模型的技巧。
4、深度学习：Seq2Seq翻译和Transformer架构
这一节研究了简单RNN如何工作的细节，还介绍了用于翻译的Seq2Seq模型。
从建立翻译模型，到teacher forcing方法、注意力机制以及GRU等方法提高准确率。
最后介绍了Transformer架构的实现。
5、NLP的伦理问题
伦理问题及潜在的风险是作者重点推荐的一节。
在OpenAI的GPT-2语言模型问世后，翻译、阅读理解、回答问题等任务都能做到以假乱真，让不少群众开始慌张。
这一节给出了解决方法和建议步骤，如验证系统和数字签名等。
每节课都有视频，每个视频长度在20-90分钟之间。
侧重实践
这门课背后的fast.ai，在深度学习界算是独树一帜。
fast.ai由Kaggle大神Jeremy Howard、后悔读了博的数学博士Rachel Thomas、原本在巴黎教了7年书的Sylvain Gugger联合创办。
他们是真正的实践派，课程以“教实用的东西、高效解决问题”为核心追求，非常重视工程实现细节。
在去年发布更基础的“程序员的机器学习入门”课时，他们赞扬了吴恩达老师的入门课worderful之后就接了个“但是”：但是，它现在有显得太老气了，特别是作业还得拿Matlab写。
fast.ai的课程就非常紧跟程序员的实践潮流，用Python编程，用交互式的Jupyter Notebooks学习。 同时，他们也非常鼓励学生去参加Kaggle竞赛，检验自己的能力。
这套NLP新课，也是同样的思路了。
传送门
课程首页： https://www.fast.ai/2019/07/08/fastai-nlp/
GitHub上有课程所需的所有代码： https://github.com/fastai/course-nlp
油管上所有课的视频（需要科学前往）： https://www.youtube.com/playlist?list=PLtmWHNX-gukKocXQOkQjuVxglSDYWsSh9
Fast.ai库： https://docs.fast.ai/
推荐阅读：
一大批历史精彩文章啦
【一分钟知识】七种损失函数
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】轻松解读Semi-supervised Sequence Learning半监督序列学习
详解Transition-based Dependency parser基于转移的依存句法解析器
干货 | 找工作的经验总结（一）
经验 | 初入NLP领域的一些小建议
学术 | 如何写一篇合格的NLP论文
干货 | 那些高产的学者都是怎样工作的？
是时候研读一波导师的论文--一个简单有效的联合模型
近年来NLP在法律领域的相关研究工作
