搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏AutoML(自动机器学习)
【NLP CS224N笔记】Lecture 1 - Introduction of NLP
NLP全称是Natural Language Processing，即自然语言处理，这是一门计算机科学、人工智能以及语言学的交叉学科。
61130发布于 2018-12-28
来自专栏NewBeeNLP
【CS224N课程笔记】神经网络与反向传播
CS224N课程笔记系列，持续更新中课程主页： http://web.stanford.edu/class/cs224n/ 前情提要：【CS224N课程笔记】词向量I: 简介, SVD和Word2Vec 【CS224N课程笔记】词向量II: GloVe, 评估和训练 1、Neural Networks: Foundations 在前面的讨论中认为，因为大部分数据是线性不可分的所以需要非线性分类器，不然的话线性分类器在这些数据上的表现是有限的
62230发布于 2021-04-12
来自专栏AI研习社
CS224n 更新 | 第十三讲 - 卷积神经网络
深度自然语言处理课 CS224n（2016-2017）为斯坦福官方开源最新版本，由斯坦福大学教授、 Salesforce 首席科学家 Richard Socher 授权雷锋字幕组翻译。 CS224d ( 2016-2017 ) 作业概览感兴趣的小伙伴可以戳这里： http://web.stanford.edu/class/cs224n/archive/WWW_1617/index.html
69520发布于 2018-08-16
来自专栏SimpleAI
【Hello NLP】CS224n笔记:语言模型（LM）和循环神经网络（RNNs）
SimpleAI 【HelloNLP】系列笔记，主要参考各知名网课（Stanford CS224n、DeepLearning.ai、李宏毅机器学习等等），并配合NLP的经典论文和研究成果、我的个人项目实践经验总结而成 CS224n笔记[5]:语言模型（LM）和循环神经网络（RNNs）作者：郭必扬许久没更新了，十分惭愧，翻了翻之前的笔记，才知道上一期我们讲的是“依存分析”。所以今天我们就来一起跟着CS224N网课把这个概念搞清楚。理解玄乎的理论的最佳方法，就是记住它的一些经典的具体应用。语言模型最典型的应用就是“输入法联想”。这里拿CS224N的PPT上的一个例子来说明： ? 这段文字中高亮的"today the"是预先给定的文本，后面则是通过LM一个字一个字预测出来形成的文本。 CS224N中的一张图描绘地很清晰： ? 一图胜前言，这里就不再赘述了。训练好RNN了之后，如何进行文本生成呢？
1K20发布于 2020-05-25
来自专栏AI研习社
CS224n 更新 | 第十一讲 - GRU 及 NMT 的其他议题
深度自然语言处理课 CS224n（2016-2017）为斯坦福官方开源最新版本，由斯坦福大学教授、 Salesforce 首席科学家 Richard Socher 授权雷锋字幕组翻译。免费无限次观看 CS224n 中英字幕版中文版 CS224d 课程介绍自然语言处理（NLP）是信息时代最重要的技术之一。理解复杂的语言话语也是人工智能的重要组成部分。 CS224d ( 2016-2017 ) 作业概览感兴趣的小伙伴可以戳这里： http://web.stanford.edu/class/cs224n/archive/WWW_1617/index.html
63510发布于 2018-08-06
来自专栏用户2133719的专栏
CS224N 课程笔记之二：词向量（下）
之前我们介绍了两种表示词向量的方法：「基于数量」的矩阵分解方法（HAL & LSA）和「基于窗口」的概率方法（word2vec）。第二种方法明显优于第一种，但其只考虑了一个较小窗口内的词语信息，没有利用好全局的词语共现数据。
99310发布于 2020-08-14
来自专栏用户2133719的专栏
CS224N 课程笔记之一：词向量（上）
从处理的对象来看，NLP 与其他机器学习任务有很大区别：NLP 处理的对象是人类语言，而人类的语言是一种特定的用于传达意义的系统，并不由任何形式的物理表现产生，大部分词语只是一个表达某种意义的符号。语言通过各种方式编码（语音、手势、写作等），以连续信号的形式传输给大脑。
63440发布于 2020-08-17
来自专栏SimpleAI
CS224n笔记:更好的我们，更好的RNNs
CS224n笔记[6]:更好的我们，更好的RNNs 作者：郭必扬上一节我们介绍了语言模型，并由此引入了RNN这种神经网络。上面我说的应该很清楚了，不过下面这张来自CS224N的总结更加直观，大家可以对照着图片看我上面的文字： ? 来源：CS224N 我们对LSTM三个门的功能进行了描述，下面给出具体的模型公式，还是放出cs224n课程中的总结： ? 来源：CS224N 从上面的公式、我的描述以及图示中，我们可以发现，虽然LSTM结构复杂，但是「很有规律」的：三个门的输入都一样！来源：CS224N 神经网络加深，往往可以带来更好的效果，因为它的学习能力大大提高。而且，就跟CNN一样，不同层次的RNN也可以学习到语言的不同层次的特征。
1.1K20发布于 2020-06-02
来自专栏NewBeeNLP
【CS224N课程笔记】词向量II: GloVe, 评估和训练
CS224N课程笔记系列，持续更新中 ? 课程主页： http://web.stanford.edu/class/cs224n/ 前情提要：【CS224N课程笔记】词向量I: 简介, SVD和Word2Vec 1、Global Vectors
87910发布于 2021-01-12
来自专栏SimpleAI
【Hello NLP】CS224n笔记:Word2Vec算法推导&实现
SimpleAI 【HelloNLP】系列笔记，主要参考各知名网课（Stanford CS224n、DeepLearning.ai、李宏毅机器学习等等），并配合NLP的经典论文和研究成果、我的个人项目实践经验总结而成 CS224n笔记[2]:Word2Vec算法推导&实现作者：郭必扬其实关于Word2Vec的详细推导，我之前写过一篇十分详细精美的手写笔记：关于word2vec你想知道的一切（精美手绘笔记），墙裂推荐阅读本文主要根据cs224n的assignment2的计算题和编程题进行一个总结回顾。我发现这份作业设计太棒了，循序渐进，有理论有实践，前后呼应，难度适中，整个的编排我觉得更像是一份详细的教程。 Word2Vec的编程实现这个就是cs224n作业2的编程部分了。当然，我们肯定不是从零到一实现一个word2vec算法，这还是太复杂了，作业主要是填空的形式，让我们把算法的核心部分给填写了一下。
1.4K20发布于 2020-02-26
来自专栏SimpleAI
【Hello NLP】CS224n学习笔记:词向量从而何来
SimpleAI 【HelloNLP】系列笔记，主要参考各知名网课（Stanford CS224n、DeepLearning.ai、李宏毅机器学习等等），并配合NLP的经典论文和研究成果、我的个人项目实践经验总结而成 CS224n学习笔记[1]:词向量从何而来前言：关于自然语言人类的语言文字的出现，帮助了人类记录自己的智慧，由此加速了人类文明的进化，这也是人区别于动物的主要优势之一。例如著名的WordNet，它被称为是NLP中的瑞士军刀，下图展示了通过调取wordnet工具包查询一个词的相关信息： WordNet使用举例（图源自cs224n课程slides） WordNet的构建花费了很多人多年时间如下图，我们将训练好的词向量降维后进行可视化： Word2Vec可视化举例（图源自cs224n课程slides）从图上可以看出一些类别的词汇明显的聚在一起。
82220发布于 2020-02-25
来自专栏SimpleAI
【Hello NLP】CS224n笔记:机器翻译和seq2seq
SimpleAI 【HelloNLP】系列笔记，主要参考各知名网课（Stanford CS224n、DeepLearning.ai、李宏毅机器学习等等），并配合NLP的经典论文和研究成果、我的个人项目实践经验总结而成 CS224n笔记[7]:机器翻译和seq2seq 作者：郭必扬今天主要介绍机器翻译的简单发展历史和方法，由此引入seq2seq框架，我们会一起深入讨论seq2seq框架中的各种细节，并配合精美的结构图比方下图：来源CS224N 这里例子展示了一个法语句子和英语句子词语对齐关系，其中法语词entarte，英文翻译是“hit me with a pie”，英文中根本没有一个词可以直接表示这个含义。再多描述不如一张图直观，我用下图描绘一个极简的案例（只有3个词的语料，k=2）：本来想贴CS224N上的图，发现上面省去了一些细节容易造成误解。
1K10发布于 2020-06-12
来自专栏机器之心
Manning、陈丹琦讲座，2021斯坦福CS224N即将开课
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。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。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。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。
77520发布于 2021-01-20
来自专栏AutoML(自动机器学习)
【NLP CS224N笔记】Lecture 2 - Word Vector Representations: word2vec
Research Highlight 期间老师让一个中国学生做了一个关于一篇论文的报告，具体内容不作赘述，可参考CS224n研究热点1 一个简单但很难超越的Sentence Embedding基线方法。
68620发布于 2019-01-02
来自专栏深度学习自然语言处理
【CS224N笔记】一文详解神经网络来龙去脉
我们输入一个向量并且通过一系列的逻辑回归函数，我们可以得到一个输出向量，但是我们不需要提前决定，逻辑回归试图预测的向量是什么
69510发布于 2020-11-03
来自专栏AutoML(自动机器学习)
【NLP CS224N笔记】Lecture 3 GloVe： Global Vectors for Word Representation
可以很明显地看到该向量非常稀疏。常见的解决办法有两种：一是使用稀疏矩阵更新运算来更新矩阵\(U,V\)的特定的列向量。二是使用哈希来更新，即key为word string，value是对应的列向量。
64220发布于 2019-01-03
来自专栏SimpleAI
【Hello NLP】CS224n笔记:自然语言中的依存分析(Dependency Parsing)
SimpleAI 【HelloNLP】系列笔记，主要参考各知名网课（Stanford CS224n、DeepLearning.ai、李宏毅机器学习等等），并配合NLP的经典论文和研究成果、我的个人项目实践经验总结而成 CS224n笔记[4]:自然语言中的依存分析（Dependency Parsing）作者：郭必扬什么是依存分析自然语言处理任务中，有很重要的一块，就是分析语言的结构。 ---- cs224n的Assignment3就是Neural Dependency Parsing的实现，代码见github： https://github.com/beyondguo/CS224n-notes-and-codes
1.1K10发布于 2020-03-25
来自专栏AI研习社
CS224n 更新 | 第十二讲 - 语音处理的端对端模型
深度自然语言处理课 CS224n（2016-2017）为斯坦福官方开源最新版本，由斯坦福大学教授、 Salesforce 首席科学家 Richard Socher 授权雷锋字幕组翻译。 CS224d ( 2016-2017 ) 作业概览感兴趣的小伙伴可以戳这里： http://web.stanford.edu/class/cs224n/archive/WWW_1617/index.html
64120发布于 2018-08-16
来自专栏新智元
【Manning主讲】斯坦福CS224n深度学习与NLP课程全部视频、PPT
【新智元导读】斯坦福大学CS224n（全称：深度学习与自然语言处理）是自然语言处理领域很受欢迎的课程，由 Chris Manning 和 Richard Socher 主讲。全部课程视频（英文字幕）：http://t.cn/R6RGxtR 所有课程资料、PPT等：http://web.stanford.edu/class/cs224n/ 课程描述 ? 编程语言大学微积分，线性代数（例如MATH 19或41，MATH 51）基本概率和统计知识（例如 CS109 或其他统计课程） CS229（机器学习）的同等知识推荐掌握自然语言处理的相关知识（CS224N
1.6K50发布于 2018-03-22
来自专栏新智元
斯坦福CS224n《基于深度学习的NLP》课程更新，C.Manning主讲
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。 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 今年，CS224n将首次使用PyTorch而不是TensorFlow。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。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
94550发布于 2019-01-09

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

【NLP CS224N笔记】Lecture 1 - Introduction of NLP

【CS224N课程笔记】神经网络与反向传播

CS224n 更新 | 第十三讲 - 卷积神经网络

【Hello NLP】CS224n笔记:语言模型（LM）和循环神经网络（RNNs）

CS224n 更新 | 第十一讲 - GRU 及 NMT 的其他议题

CS224N 课程笔记之二：词向量（下）

CS224N 课程笔记之一：词向量（上）

CS224n笔记:更好的我们，更好的RNNs

【CS224N课程笔记】词向量II: GloVe, 评估和训练

【Hello NLP】CS224n笔记:Word2Vec算法推导&实现

【Hello NLP】CS224n学习笔记:词向量从而何来

【Hello NLP】CS224n笔记:机器翻译和seq2seq

Manning、陈丹琦讲座，2021斯坦福CS224N即将开课

【NLP CS224N笔记】Lecture 2 - Word Vector Representations: word2vec

【CS224N笔记】一文详解神经网络来龙去脉

【NLP CS224N笔记】Lecture 3 GloVe： Global Vectors for Word Representation

【Hello NLP】CS224n笔记:自然语言中的依存分析(Dependency Parsing)

CS224n 更新 | 第十二讲 - 语音处理的端对端模型

【Manning主讲】斯坦福CS224n深度学习与NLP课程全部视频、PPT

斯坦福CS224n《基于深度学习的NLP》课程更新，C.Manning主讲

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐