【课程推荐】CMPUT 651: Topics in Artificial Intelligence--Deep Learning for NLP

课程介绍：

本课程介绍用于自然语言处理（NLP）的深度学习（DL）技术。与其他DL4NLP课程相反，我们将在一些讲座中对所有神经体系结构（例如CNN，RNN，注意力）进行一次旋风之旅。 然后，我们将在使用贝叶斯和马尔可夫网络学习结构化预测方面做出巨大的努力，并应用顺序标注，句法解析和句子生成。 在这个过程中，我们还将看到如何将这些传统方法与简单的神经网络相结合并加以改进。

主讲人：

Lili Mou博士是阿尔伯塔大学计算机科学系的助理教授。Lili分别于2012年和2017年在北京大学EECS学院获得了学士和博士学位。之后，他在滑铁卢大学（University of Waterloo）担任博士后，并在Adeptmind（加拿大多伦多的一家初创公司）担任研究科学家。他的研究兴趣包括应用于自然语言处理以及编程语言处理的深度学习。他在顶级会议和期刊上都有出版物，包括AAAI，ACL，CIKM，COLING，EMNLP，ICASSP，ICML，IJCAI，INTERSPEECH，NAACL-HLT和TACL（按字母顺序）。

课程大纲：

神经网络基础

• 分类任务与分类器
• 深度神经网络
• Embedding
• 结构化输入表示

结构化预测

• 贝叶斯网络
• 马尔科夫网络与条件随机场
• 语法解析

句子生成

• 变分自编码器
• 抽样与随机搜索

离散空间

• NLP中的强化学习
• 强化学习的神经松弛