#491 · 主分类: 教育与研究
lectures
牛津Deep NLP 2017课程
项目最后更新:07/02/23
GitHub Stars
15.9K
Forks数量
3.5K
贡献者数量
7
许可证
Other
收录理由
这是牛津大学2017年希拉里学期开设的深度自然语言处理课程,由Phil Blunsom组织,并与DeepMind自然语言研究组合作授课。仓库完整保存了该课程的讲义幻灯片和配套材料,授课团队中多位研究者正是神经NLP早期工作的推动者,因此幻灯片内容直接反映了他们看待这一领域的方式:先讲循环网络用于语言建模,再讲条件模型处理机器翻译、语音转文字等转导任务,最后是结合这些技术构建问答系统。课程内容按此顺序层层递进,整套资料因此更像一条连贯的学习路径,而非零散讲稿的堆叠。配套的实践项目还引导你亲手实现word2vec和文本分类。适合把它当作学习路线图和神经NLP基础知识的参考资料,而不是可直接运行的软件。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管,为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章,助你提升开发技能
generative-ai-for-beginners
21节课,开始使用生成式AI构建