课程介绍
学生将学习执行、训练、调试、可视化和创造他们自己的神经网络模型。该课程全面介绍了应用于NLP的深度学习尖端研究。在模型方面，介绍词向量表示、基于窗口的神经网络、时间递归神经网络、长期短期记忆模型、结构递归神经网络、卷积神经网络以及一些涉及存储器组件的最新模型。
课程目录
1.第一讲 – NLP和深度学习入门.mp4
2.第二讲-词向量表示： word2vec【中英字幕】CS224n 斯坦福深度自.mp4
3.第三讲 – 高级词向量表示 – 【中英字幕】CS224n 斯坦福深度自然语言.mp4
4.第四讲 – Word Window 分类与神经网络 – 【中英字幕】CS22.mp4
5.第五讲 – 反向传播和项目建议 – 【中英字幕】CS224n 斯坦福深度自然.mp4
6.第六讲 – 依存分析 – 【中英字幕】CS224n 斯坦福深度自然语言处理课.mp4
7.第七讲 – TensorFlow入门【中英字幕】CS224n 斯坦福深度自然.mp4
8.第八讲 – RNN和语言模式 – 【中英字幕】CS224n 斯坦福深度自然语.mp4
9.第九讲 – 机器翻译和高级循环神经网络 LSTMs 和 GRUs – .mp4
10.第十讲 – 神经机器翻译和注意力模型 – .mp4
11.第十一讲 – GRU 及 NMT 的其他议题 – .mp4
12.第十二讲 – 语音处理的端对端模型 – .mp4
13.第十三讲 – 卷积神经网络 – 【中英字幕】CS224n 斯坦福深度自然语言.mp4
14.第十四讲 – 树 RNN 和短语句法分析.mp4
15.第十五讲 – 共指解析.mp4
16.第十六讲 – 用于回答问题的动态神经网络.mp4
17.第十七讲 – NLP 的问题和可能性架构.mp4
18.第十八讲 – 应对深度 NLP 的局限性 – .mp4
2019 最新斯坦福CS224n课件.rar
评论0