深度学习方法在各种自然语言处理问题上取得了最先进的结果。
令人兴奋的是，单个模型可以进行端到端训练，取代了一系列专门的统计模型。
英国牛津大学教授自然语言处理深度学习课程，并且该课程的大部分材料都可以在线免费获取。
在这篇文章中，您将了解牛津大学自然语言处理深度学习课程。
阅读本文后，你将了解：
- 课程内容及先修要求。
- 讲座内容细分，以及如何获取幻灯片和视频。
- 课程项目细分，以及访问材料的地点。
开始您的项目，阅读我的新书《自然语言处理深度学习》，其中包含分步教程和所有示例的Python源代码文件。
让我们开始吧。
牛津大学自然语言处理深度学习课程
照片来自Martijn van Sabben，部分权利保留。
概述
本文分为 4 部分；它们是：
- 课程概述
- 先决条件
- 讲座分解
- 项目
需要深度学习处理文本数据的帮助吗？
立即参加我的免费7天电子邮件速成课程（附代码）。
点击注册，同时获得该课程的免费PDF电子书版本。
课程概述
该课程名为“自然语言处理深度学习”，在牛津大学（英国）授课。最后一次授课是在 2017 年初。
这门课程的优点在于它由 Deep Mind 的人运行和授课。值得注意的是，授课讲师是Phil Blunsom。
该课程的重点是自然语言处理的统计方法，特别是能够针对 NLP 问题取得最先进结果的神经网络。
来自课程
这将是一门应用型课程，侧重于使用循环神经网络分析和生成语音和文本的最新进展。我们将介绍相关机器学习模型的数学定义，并推导出其相关的优化算法。
先决条件
本课程面向本科生和研究生。
课程假设具备一定的背景知识
- 概率。
- 线性代数。
- 连续数学。
- 基础机器学习。
如果您是自然语言处理深度学习领域的从业者，您对该材料的目标和要求可能有所不同。
例如，您可能希望专注于方法和应用，而不是基础理论。
讲座分解
该课程共包含 13 讲，其中第一讲和第二讲都分为两部分。
完整的讲座细分如下。
该课程的GitHub 仓库提供了每讲幻灯片、flash 视频和阅读材料的链接。
我建议通过这个非官方 YouTube 播放列表观看视频。
下面是从第一讲中截取的课程概述幻灯片。
牛津大学自然语言处理深度学习课程讲座细分
请注意，有许多客座讲师讲授各种主题，其中大多数来自 Deep Mind。
- 讲座 1a – 简介 [Phil Blunsom]
- 讲座 1b – 深度神经网络 [Wang Ling]
- 讲座 2a – 词语级别语义 [Ed Grefenstette]
- 讲座 2b – 实践概述 [Chris Dyer]
- 讲座 3 – 语言建模与 RNN 第一部分 [Phil Blunsom]
- 讲座 4 – 语言建模与 RNN 第二部分 [Phil Blunsom]
- 讲座 5 – 文本分类 [Karl Moritz Hermann]
- 讲座 6 – Nvidia GPU 上的深度 NLP [Jeremy Appleyard]
- 讲座 7 – 条件语言模型 [Chris Dyer]
- 讲座 8 – 注意力机制语言生成 [Chris Dyer]
- 讲座 9 – 语音识别 (ASR) [Andrew Senior]
- 讲座 10 – 文本转语音 (TTS) [Andrew Senior]
- 讲座 11 – 问答 [Karl Moritz Hermann]
- 讲座 12 – 记忆 [Ed Grefenstette]
- 讲座 13 – 神经网络中的语言学知识
您看过这些讲座吗？您有什么看法？
在下面的评论中告诉我。
项目
该课程包括 4 个实践项目，您可能希望尝试这些项目来巩固您对该主题的知识。
项目如下，每个项目都有自己的 GitHub 项目，其中包含描述和相关的起始材料。
进一步阅读
如果您想深入了解此主题，本节提供了更多资源。
总结
在这篇文章中，您了解了牛津大学自然语言处理深度学习课程。
具体来说，你学到了：
- 课程内容及先修要求。
- 讲座内容细分，以及如何获取幻灯片和视频。
- 课程项目细分，以及访问材料的地点。
你有什么问题吗？
在下面的评论中提出你的问题，我会尽力回答。
立即开发文本数据的深度学习模型！
在几分钟内开发您自己的文本模型
...只需几行python代码
在我的新电子书中探索如何实现
用于自然语言处理的深度学习
它提供关于以下主题的自学教程：
词袋模型、词嵌入、语言模型、标题生成、文本翻译等等...
最终将深度学习应用于您的自然语言处理项目
跳过学术理论。只看结果。
嗨，Jason，
感谢分享。我想知道，您认为哪门课程更好：CS 224n 还是这门？
我真的很喜欢 Nando de Freitas 的牛津 DL 课程，尽管它非常简洁。我观看了 224n 的开头的 word2vec/glove 讲座，但不太喜欢。
谢谢
我都喜欢，但我学习了更多/全部的斯坦福课程。
尝试一下各自的部分，然后选择您喜欢的风格。
嗨，Jason，
感谢分享。非常有帮助。
谢谢！！
不客气。
感谢分享。看起来非常有趣！
我希望它有所帮助。
这看起来很有希望，谢谢分享。
告诉我您的进展。
嗨，我只了解一些神经网络的基本知识，激活函数等等。仅此而已，我还没学过反向传播之类的算法。这门课适合我的水平吗？
这门课是为学术界人士准备的，可能不太适合。
但是，您仍然可以学习并掌握您项目中需要的知识。
谢谢。这是一门很棒的课程。
是的！
他们称之为“实践”真是太有趣了……当我听到“t-SNE”+“实践”时，我 tend to run。
哈！
嗨
我儿子是高中生，我想让他从小接触机器学习。我正在为我儿子寻找一个周末课程。
请问，您能建议我该怎么做吗？我正在寻找一些机器学习的本科课程。
期待您的回复。
很棒的问题！
我认为一个很好的入门方法是使用 Weka，它是一个图形用户界面，可以让你处理数据准备和模型开发。
https://machinelearning.org.cn/start-here/#weka
Jason，您知道牛津 NLP 课程是否有相关的 Python 代码吗？谢谢，Toby
手头没有，抱歉。
您好，博士。
我叫 Hamid。
我是博士生，我的论文是关于深度学习算法和 DNN、LSTM 的。
所以，我对学习更多关于这个概念感兴趣。
此致
Hamid
太好了，欢迎！
也许从这里开始
https://machinelearning.org.cn/start-here/#deep_learning_time_series
还有这里
https://machinelearning.org.cn/start-here/#lstm
希望您不介意我通过这篇帖子分享一些想法。
在别处？我保证会注明完整出处。这是我第一次在看过很棒的材料后想做这样的事情，这些材料来自 https://edu-quotes.com/quotes/graduation/。提前感谢您，并请继续保持您的创新精神！谢谢。
somewhere else? I guarantee full credit. This is actually the
first time We wanted to do some thing like this right after great
materials through https://edu-quotes.com/quotes/graduation/. Thank a person and advance,
谢谢。