原文： https://machinelearningmastery.com/oxford-course-deep-learning-natural-language-processing/
深度学习方法在一系列自然语言处理问题上实现了最先进的结果
令人兴奋的是，单个模型经过端到端的训练，取代了一套专业的统计模型。
英国牛津大学教授自然语言处理深度学习课程，本课程的大部分材料都可以在线免费获取。
在这篇文章中，您将发现牛津自然语言处理深度学习课程。
阅读这篇文章后，你会知道：
- 课程包含的内容和先决条件。
- 讲座细分以及如何访问幻灯片和视频。
- 课程项目的细分以及访问材料的位置。
让我们开始吧。
牛津自然语言处理深度学习课程 摄影： Martijn van Sabben ，保留一些权利。
这篇文章分为 4 部分;他们是：
- 课程大纲
- 先决条件
- 讲座细分
- 项目
该课程名为“_ 深度学习自然语言处理 _”，并在牛津大学（英国）授课。它最后一次是在 2017 年初教授的。
这门课程的优点在于它由 Deep Mind 人员运行和教授。值得注意的是，讲师是 Phil Blunsom 。
本课程的重点是自然语言处理的统计方法，特别是在 NLP 问题上实现最新结果的神经网络。
从课程：
这将是一个应用课程，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，并推导出它们相关的优化算法。
本课程专为本科生和研究生设计。
该课程假设主题有一些背景：
- 可能性。
- 线性代数。
- 连续数学。
- 基础机器学习。
如果您是对 NLP 深度学习感兴趣的从业者，您可能会从材料中获得不同的目标和要求。
例如，您可能希望专注于方法和应用程序而不是基础理论。
该课程由 13 个讲座组成，虽然第一和第二讲座分为两部分。
完整的讲座细分如下。
该课程的 GitHub 存储库提供了幻灯片，Flash 视频和每个讲座阅读的链接。
我建议通过这个非官方 YouTube 播放列表观看视频。
以下是第一讲的课程概述幻灯片。
牛津大学自然语言处理的深度学习讲座
请注意，涵盖各种主题的客座讲师很多，其中大多数来自 Deep Mind。
- 第 1a 讲 - 介绍[Phil Blunsom]
- 第 1b 讲 - 深度神经网络[王玲]
- 第 2a 讲 - 词汇层次语义[Ed Grefenstette]
- 第 2b 讲 - 实用概述[Chris Dyer]
- 第 3 讲 - 语言建模和 RNN 第 1 部分[Phil Blunsom]
- 第 4 讲 - 语言建模和 RNN 第 2 部分[Phil Blunsom]
- 第 5 讲 - 文本分类[Karl Moritz Hermann]
- 第 6 讲 - 关于 Nvidia GPU 的深度 NLP [Jeremy Appleyard]
- 第 7 讲 - 条件语言模型[Chris Dyer]
- 第 8 讲 - 注意引起语言[Chris Dyer]
- 第 9 讲 - 语音识别（ASR）[Andrew Senior]
- 第 10 讲 - 文本到语音（TTS）[Andrew Senior]
- 第 11 讲 - 回答问题[Karl Moritz Hermann]
- 第 12 讲 - 记忆[Ed Grefenstette]
- 第 13 讲 - 神经网络中的语言知识
你看过这些讲座了吗？你觉得呢？ 请在下面的评论中告诉我。
该课程包括 4 个实际项目，您可能希望尝试确认您对该主题的了解。
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：
如果您要深入了解，本节将提供有关该主题的更多资源。
在这篇文章中，您发现了牛津自然语言处理深度学习课程。
具体来说，你学到了：
- 课程包含的内容和先决条件。
- 讲座细分以及如何访问幻灯片和视频。
- 课程项目的细分以及访问材料的位置。
你有任何问题吗？ 在下面的评论中提出您的问题，我会尽力回答。