【人工智能】深度学习与自然语言处理

如何自动处理自然语言输入、并产生语言输出，是人工智能的重要研究方向。这门课主要讲授近2-3年深度学习在自然语言处理方面的最新发展。课程从相关机器学习模型的数学原理和最优算法讲起，将会讲到神经网络在NLP中的一系列应用，包括潜在语义分析、语音到文字的转录、语言翻译以及问答，同时也会讲到这些模型在CPU和GPU上的实现。

什么是深度学习：

深度学习（Deep Learning, DL）或阶层学习（hierarchical learning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（Artifitial Neural Networks, ANNs），在计算系统中实现人工智能。由于阶层ANN能够对输入信息进行逐层提取和筛选，因此深度学习具有表征学习（representation learning）能力，可以实现端到端的监督学习和非监督学习。此外，深度学习也可参与构建强化学习（reinforcement learning）系统，形成深度强化学习 。

什么是自然语言处理：

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。

更多相关内容：

（这是一门关于自然语言处理的高阶课程，由牛津大学和谷歌DeepMind（AlphaGo的开发机构）联合开设，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。这是牛津大学计算机系2017年春季学期最新课程，由大数据文摘进行汉化）

课程所有资料（视频、讲义、作业）免费发布于GitHub，，大数据文摘已联系课程主讲人取得翻译授权。

【课程大纲】（视频内容持续更新中）

• 导论
• 词向量与词汇语义学
• 语言建模RNN
• 文本分类
• 英伟达RNN和GPU
• 条件语言建模
• 语音识别
• 文本语音转换
• 智能问答
• 记忆和语言学

适合人群：

•  想学习自然语言处理，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的人群

阿里云开发者社区全面升级，一站式体验，用得更爽：（阿里云开发者社区首页）