50 个视频任君学习！
从对话智能体到搜索
查询
，
自然语言理解
（NLP）是当今许多最令人兴奋的技术的基础。如何建立这些模型来高效、可靠地理解语言？如果你还没有那么清楚的话，是否会找个课程来听呢？
但是有些课程不仅天价还很难报名，有些课程不仅质量极高还免费公开。谁不想要这后者呢？
没错，今天
机器之心
为大家介绍的是斯坦福 XCS224U：
自然语言理解
（2023）课程。它干货满满，讲师 Christopher Potts 让这门课充满魅力。更重要的是，这堂课已经放出了全部视频，50 个视频任君学习。
视频地址：https://www.youtube.com/playlist?list=PLoROMvodv4rOwvldxftJTmoR3kRcWkJBp
该课程借鉴了
语言学
、
自然语言处理
和
机器学习
的理论概念。在这门以项目为导向的课程中，你将开发使机器理解人类语言的系统和算法。
课程前半部分将探索
自然语言理解
的三个基本任务：上下文语言表征、
信息检索
和 NLU 模型的高级行为评估。每个任务主题都包含实践部分，你将在其中建立基线模型。这些基线模型将帮助你开发自己的模型。
课程后半部分则将开展
自然语言理解
方面的原创项目，重点关注该领域的最佳实践。额外的讲座和材料将涵盖重要的主题，以帮助扩展和改进你的系统，包括评估和度量、语义解析和基础语言理解。
在这些课中，你将：
-
开发对人类语言进行稳健
机器学习
理解的系统和算法； -
使用大型
语言模型
建立神经
信息检索
系统； -
利用上下文单词表示模型（如 transformers、BERT、ELECTRA 和 GPT），理解单词之间的语义和句法关系；
-
利用经典和神经
信息检索
方法从文本中获取所需信息； -
设计并开展一个自己选择的 NLU 研究项目。
学前准备
划重点，该课程并不是针对小白的，而是需要在课程开始之前有所积累。
具体来说，学习课程之前，你需要有一些技术、知识基础，才能更加顺利地理解课程内容，完成课程相关任务。
-
熟练掌握 Python：编码作业将使用 Python。因为有些作业需要熟悉基本的 Linux 命令行工作流程。
-
熟悉
微积分
和
线性代数
：需要能够熟练应用（多元）
导数
，并理解矩阵 / 向量符号和运算。 -
掌握概率论：熟悉基本
概率分布
（连续、高斯、伯努利分布），能够定义连续和离散随机变量的概念：期望值、独立性、
概率分布
函数和
累积分布函数
。
斯坦福还建议大家将
自然语言处理
XCS224U 课程与
深度学习
XCS224N 课程结合起来，效果更好。此外还贴心地给大家准备了一份复习 NLP 相关知识的材料清单，你可按需取用。
清单链接：http://web.stanford.edu/class/cs224u/background.html
讲师介绍
Christopher Potts 是斯坦福
语言学
教授，同时也是计算机科学教授和语言与信息研究中心（CSLI）主任。在研究中，他致力于使用计算方法探索情感如何在语言中表达，以及语言的产生和解释如何受到语篇、语境的影响。
他于 2005 年出版了《The Logic of Conventional Implicatures》一书，并发表了大量计算
语言学
和理论
语言学
方面的学术论文。
课程视频下面的评论中，网友们表达了对课程的喜爱。
更有推荐者直接表达了对 Christopher Potts 的赞美，认为他是一位才华横溢的教育家，解释复杂的 ML 和 NLP 概念时具有特殊的才能。「我从他的研究和讲座中学到了很多东西。强烈建议观看他的新课程。」
相关文章
