• 课程地址：http://web.stanford.edu/class/cs224n/
• 时间：2017年
• 主讲：Christopher Manning、Richard

Lecture 1: Introduction

NLP：Natural language processing

常见自然语言项目：（又一次面试问过）

• 微软 Cortana
• 苹果 Siri （消费级技术）
• 亚马逊 Alexa
• 小米 小爱
• 百度 小度
• 天猫 天猫精灵

人类语言的特点：

• 明确的指向性
• 语言是符号、符号不基于任何逻辑和AI
• 具有连续的载体 （以唠嗑就根本停不下来）

2015年之前的机器学习都是人在做大量的数据分析（比如：手动特征工程），而机器只是在做数值的优化（事实上电脑很适合做数值优化，人类不适合）。
这并不是我们所期望的机器学习。
深度学习（Deeplearning）是表征学习（Representation Learning）的一个重要分支。
表征学习的理念是，我们可以向电脑提供来自世界的原始信号，无论是视觉信息还是语言信息，然后 电脑可以自动得出好的中介表征 来很好的完成任务，从某种意义上来说，它是自己定义特征。
深度学习不只是基于神经网络，也可以是概率模型以及其他方法运用于深度架构中。（概率图模型）
利用深度学习学习词向量，高维空间成为了非常棒的语义空间。具有相同含义的词聚集成块，向量空间存在方向，它会透露关于成分和意义的信息。
然而人类不擅长解读高维空间的信息，人类跟习惯于2维度和3维度的信息表示。

CS224n: Natural Language Processing with Deep Learning 学习笔记

原文：https://www.cnblogs.com/JCcodeblgos/p/10130330.html