福利！一篇关于深度学习与NLP的深度好文!

- 免费加入AI技术专家社群>>

- 日薪5K-10K招兼职AI讲师>>

- 招募1000名AI推广大使>>

近几年来，深度学习驱动人工智能在各大行业中的应用。现在，全球人工智能学院从四个维度带你了解关于深度学习与NLP在2017年有哪些新趋势（下文有福利）。

2017年深度学习与NLP新趋势

趋势一：语言结构的回归

最近深度学习的复兴强调了 NLP 的简单统一范式：语言只是单词的序列。依据这一逻辑任何更进一步的结构都是没有必要的，只需要简单的训练出一个 RNR 端对端, 随机梯度在下降过程中就会找出其余的。虽然这种方法广为接受并相当成功（主要是由于不需要特征工程的便利性），但其局限性也愈发明显。在 ACL 2017 中，几位卓越的学者强烈反对语言只是序列的论断，并且提出了既有实践性又有原则性的理论。

趋势二：重新考虑词嵌入

今年标题中出现「词嵌入」的论文数量从 10 个下降到了 4 个，一部分原因可能是向子词层级表征的转变带来的。尽管如此，词嵌入仍然是一项标准的技术，也许正是因为词嵌入已经通过「炒作」阶段进入「周到的审查」阶段，今年 ACL 的相关文章都非常有趣。

趋势三: 解释性

在深度学习从业者中很多人并不觉得孤单，神经网络可怕的「黑箱」使其难以控制和调试，因此难以发展。然而，从非研究者的观点来看，要求可解释性有更重要的原因：信任。

趋势四：注意力

大家普遍认为注意力机制是序列到序列模型的规则改变者，正迅速成为最受欢迎的技术。原因显而易见：它可以绕过信息流中的瓶颈，实现无法通过前馈层实现的键值查找功能，还能提供一些非常必要的解释性信息。注意力机制在今年的 ACL 中比重有所增加，15% 的论文标题带有「注意力」（上年是 9%）。

下文划重点！

全球人工智能学院开班了！

全球人工智能学院开班了！

全球人工智能学院开班了！

重要的事要说三遍。

《深度学习与中文自然语言处理》入门班

讲师简介

高民权：蚂蚁金服    算法高级工程师

毕业于浙江大学，长期活跃在NLP及机器学习相关领域。主要研究方向为图算法、机器学习和深度学习，并行计算及自然语言处理。目前是蚂蚁金服金融反洗钱小组担任机器学习算法高级工程师， 主要从事Deep Learning与NLP相关的工作。

课程推荐

1. 目前中国人工智能人才需求量约500万，目前仅有5万相关人才，刚毕业的应届生工资均在30万以上，深度学习与NLP人才更是稀缺。

2.本课程主要针对想进入AI领域的零基础人群设计，内容覆盖监督学习，非监督学习，神经网络的原理，CNN（卷积网络）的原理及应用，RNN（循环网络）的原理及应用。

3.目标是让学员从原理到方法再到实践，掌握深度学习在自然语言上的应用。

课程目录

第一章：课程导论

1.1课程导论

第二章：人工智能的背景

2.1人工智能的背景

第三章：word2vec

3.1 Word2Vec的提出背景

3.2 Word2Vec 的基本原理

3.3 Word2Vec 的高特特性

3.4 Word2Vec的应用扩展（关联词汇发现，新词发现）

3.5句子Embedding的方法

第四章：神经网络及其应用

4.1机器学习概率

4.2 神经网络的基本原理及变体

4.3神经网络区别于其他及机器学习模型的特点

4.4 神经网络的构造[手写一个tensorflow]

4.5 利用神经网络+word2vec进行文本分类实例

第五章：RNN及其应用

5.1RNN的提出背景及基本原理

5.2RNN的变体：LSTM，GRU

5.3RNN及其变体在tensorflow中的应用实例01

5.4RNN及其变体在tensorflow中的应用实例02

5.5使用RNN进行文本分类-1

5.6使用RNN进行文本分类-2

5.7使用RNN进行实体识别-1

5.8使用RNN进行实体识别-2

5.9使用RNN生成文本

第六章：CNN及其应用

6.1CNN的原理

6.2CNN的使用实践

6.3使用CNN进行句子Embedding

6.4CNN进行情感分类tensorflow实例-1

6.5CNN进行情感分类tensorflow实例-2

报名咨询

报名咨询请添加微信号：kellyhyw

或扫描下方二维码

↓↓↓ 点击阅读原文【看课程详情】