牛津xDeepMind自然语言处理课程汉化视频 | 词向量与词汇语义学(上)
大数据文摘作品,转载要求见文末
大数据文摘重磅推出牛津大学深度学习与自然语言处理课程(Deep NLP)汉化视频!
Lecture 2a-1 词向量与词汇语义学(上)
本课时内容:由来自 DeepMind 的Ed Grefenstette老师讲解词向量与词汇语义学。如何给单词编码?为什么在你的模型里“猫”仅仅是个向量、而不是毛茸茸的可爱生物?
马上试看▼
class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=b0553ysrj2j&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=b0553ysrj2j&width=670&height=376.875&auto=0"/>
点击阅读原文,即可免广告直接观看中文字幕完整视频!
牛津Deep NLP课程简介
牛津大学Deep NLP是一门关于自然语言处理(NLP)的高阶课程。课程由牛津大学和谷歌DeepMind(AlphaGo的开发机构)联合开设,是牛津大学计算机系2017年春季学期最新课程。由Phil Blunsom主讲,同时邀请到多位来自DeepMind和NVIDIA的业界讲师来做客座讲座。
大数据文摘已联系课程主讲人取得翻译授权,并联合北京邮电大学模式识别实验室组织了视频汉化,免费发布。
所以大家可以看到中文字幕了!开不开心!激不激动!
课程需要你具备
学习这门课程需要具备概率论,线性代数,微积分的基础知识,具有机器学习基础和良好的编程基础,不需要具备语言学知识。
你能收获
学完这门课后,你将能够:
- 理解不同神经网络模型的定义
- 能够推导和实现这些模型的优化算法
- 理解聚焦机制和时序嵌入模型的神经实现,以及如何将这些模块结合起来构建NLP系统
- 对在语言数据上实现可伸缩的神经网络模型所涉及的硬件问题有所了解
- 能够实现和评估常用的自然语言处理中的神经网络模型
如何参与课程
- 点击阅读原文,即可免广告直接观看中文字幕完整视频(更新至lecture 2a-1)!
- 课程所有资料(视频、讲义、作业)免费发布于GitHub。
课程英文资料地址:
https://github.com/oxford-cs-deepnlp-2017/lectures
- 想要马克起来的小伙伴,可以用电脑打开这个链接观看
http://www.xiniuedu.com/livecourse/detailinfo/public/html/detail.html?course_id=1017
汉化视频持续更新中,每周发布一集,请大家和文摘菌一起学习哦!
另外,总是有小伙伴和我们反映说公开课听不懂,作业不会做也不知道找谁。
公开课打怪团长文摘菌再次出马,组建了课程的学习交流群,群内将放出我们整理的学习资料,还将组织配套作业讲解直播!
收看作业讲解直播方式
扫描下图二维码,
即可加入学习群。
↓↓↓扫码加入学习群↓↓↓
↑↑↑扫码加入学习群↑↑↑
加群提示:
由于微信限制只能有100人扫码加群,文摘菌设置了一个临时群。希望加入牛津学习交流群的小伙伴,请先加这个临时群,加入后请主动添加群主好友,群主将拉你进入课程学习群。或者你可以直接添加小助手(微信ID:AI_Learner)备注“牛津”邀请你入群。
已经加入之前的牛津Deep NLP打怪群的小伙伴无需重复加入这个临时群。
公开分享嘉宾邀请ing……
我们欢迎各种有趣的干货内容,从讲解作业论文到行业前沿应用,如果你也有料想分享,欢迎你加群后告诉群主,说不定你还能来段rap :D
特别感谢:
来自北京邮电大学模式识别实验室的翻译团队
翻译:
李楠 闵峰 乔一宁 张世平
刀哥 momo 无敌乔卡特
终校:
Fanli 卢雅文(Alvin LO)
彭俊逸 龙牧雪
后期:
郭丽(终结者字幕)
项目管理:
龙牧雪 李楠
顾问:
张闯 寒小阳 汪德诚
志愿者介绍
回复“志愿者”加入我们
秋招优质课程推荐
大数据+人工智能《国庆七天集训营》
一线互联网面试官亲授
7天线下集训
6个月持续辅导
十一火热开启 限额20人
详情见海报
点击「阅读原文」
观看课程视频
▼▼▼