机器之心报道
作者：杜伟、小舟
斯坦福大学 CS224N 深度学习自然语言处理 2021 冬季课程即将开课！
自然语言处理（NLP）或者计算语言学是信息时代最重要的技术之一。从网络搜索、广告、电子邮件到客户服务、语言翻译、虚拟代理、医疗报告等，NLP 的应用几乎无处不在。近年来，深度学习（或神经网络）在许多 NLP 任务上达到了非常高的性能，使用单个端到端神经模型就能完成许多任务，不再需要特定于任务的特征工程。
而提及入门自然语言处理，想必大家都非常熟悉斯坦福大学的公开课 CS224N，它与计算机视觉方面的课程 CS231n 堪称绝配。CS224N 是一门关于自然语言处理的专项课程，非常系统地介绍自然语言处理任务等相关知识。
机器之心介绍过 CS224N 2019 冬季课程，重点讲解了 Transformer 和预训练表征。今日，斯坦福 NLP Group 宣布 CS224N 深度学习自然语言处理 2021 冬季课程将于当地时间 1 月 12 日开课，授课讲师为斯坦福大学教授 Christopher Manning 以及他的三年级博士生 John Hewitt。
课程链接：http://web.stanford.edu/class/cs224n/
该课程全面介绍了 NLP 深度学习的前沿研究。通过讲座、作业和结课项目，学生将学到设计、实现和理解各自的神经网络模型等必要技能。本年度的 CS224n 课程依然使用 PyTorch 授课。
不过遗憾的是，CS224N 2021 冬季课程视频只对注册学生开放，课程 PPT 和作业会在网上实时更新。
预备知识
熟练使用 Python：所有课程都需要用到 Python（具体来说，使用 NumPy 和 PyTorch）。如果需要重温一下 Python 的内容或者熟悉 NumPy，学生可以学习第一周的 Python 复习部分。
大学微积分和线性代数：该课程的学生应该掌握（多变量）导数、矩阵 / 向量符号和运算的知识。
概率论与统计的基本知识：该课程的学生应该了解概率、高斯分布、均值、标准差等知识。
机器学习的基础知识：模型构建过程涉及设计代价函数（cost function）、求导数并通过梯度下降进行优化。如果你已经掌握了机器学习或深度学习的基础知识，这门课程的学习将变得容易很多。
课程安排
2021 年 CS224N 冬季课程将于 1 月 12 日正式开课，并于 3 月 18 日结束。课程 PPT 将于每节课之前提供，课堂笔记则通常在课程结束后几天上传。
在 1 月份的课程安排中，学生将学习到词向量、Gensim 词向量示例、 词窗口分类、Python 知识回顾、反向传播和神经网络、依存句法分析、PyTorch 知识回顾、梯度消失、Fancy 循环神经网络和 Seq2Seq 等。
1 月部分授课内容。
在 2 月份的课程安排中，学生将学习到机器翻译、注意力、子词模型、Transformer 和预训练、问答系统（陈丹琦）、自然语言生成、模型分析与解释以及 T5 和大型语言模型等。
在 3 月份的课程安排中，学生将学习到卷积神经网络（ConvNet）、基于树形结构的 RNN、深度学习中选区解析和语言结构扮演的角色、语言模型中的知识集成、安全 & 伦理 & 偏见以及 NLP 和深度学习的未来发展等。
讲师介绍
Christopher Manning 于 1989 年在澳大利亚国立大学取得三个学士学位（数学、计算机和语言学），并于 1994 年获得斯坦福大学语言学博士学位。他曾先后在卡内基梅隆大学、悉尼大学等任教，1999 年回到母校斯坦福，就职于计算机科学和语言学系，是斯坦福自然语言处理组（Stanford NLP Group）的创始成员及负责人。
Manning 的研究目标是以智能的方式实现人类语言的处理、理解及生成，研究领域包括树形 RNN 、情感分析、基于神经网络的依存句法分析、神经机器翻译和深度语言理解等，是 NLP 领域的深度学习开拓者。他是国际计算机学会 (ACM)、国际人工智协会（AAAI）和国际计算语言学会（ACL）等国际权威学术组织的 Fellow，曾获 ACL、EMNLP、COLING、CHI 等国际顶会最佳论文奖，并著有《统计自然语言处理基础》、《信息检索导论》等自然语言处理著名教材。
John Hewitt 是斯坦福大学计算机科学专业博士三年级的学生，目前从事自然语言处理方面的研究，师从 Manning 和 Percy Liang。John Hewitt 曾获 NSF 研究生奖学金（NSF Graduate Research Fellowship），2020 年秋季他在 Google AI 任研究型实习生。
John Hewitt 的研究兴趣是设计一种能够有效学习理解人类语言的系统，最终促进人类的交流和教育。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com
