# 牛津自然语言处理深度学习课程 > 原文： [https://machinelearningmastery.com/oxford-course-deep-learning-natural-language-processing/](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](https://www.flickr.com/photos/125993862@N06/16705276121/) ，保留一些权利。 ## 概观 这篇文章分为 4 部分;他们是： 1. 课程大纲 2. 先决条件 3. 讲座细分 4. 项目 ## 课程大纲 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](https://www.cs.ox.ac.uk/people/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。 ## 先决条件 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。 ## 讲座细分 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](https://github.com/oxford-cs-deepnlp-2017/lectures)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](https://www.youtube.com/playlist?list=PL613dYIGMXoZBtZhbyiBqb0QtgK6oJbpm)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。 ## 项目 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： * [实用 1：word2vec](https://github.com/oxford-cs-deepnlp-2017/practical-1) * [实用 2：文本分类](https://github.com/oxford-cs-deepnlp-2017/practical-2) * [实用 3：用于文本分类和语言建模的循环神经网络](https://github.com/oxford-cs-deepnlp-2017/practical-3) * [实用 4：开放实用](https://github.com/oxford-cs-deepnlp-2017/practical-open) ## 进一步阅读 如果您要深入了解，本节将提供有关该主题的更多资源。 * [自然语言处理的深度学习：2016-2017](https://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/) * [GitHub 课程讲座（PDF）](https://github.com/oxford-cs-deepnlp-2017/lectures) * [YouTube 上的课程讲座视频](https://www.youtube.com/playlist?list=PL613dYIGMXoZBtZhbyiBqb0QtgK6oJbpm) * [黑客新闻课程讨论](https://news.ycombinator.com/item?id=13588070) ## 摘要 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。