從對話智能體到搜索查詢，自然語言理解（NLP）是當今許多最令人興奮的技術的基礎。如何建立這些模型來高效、可靠地理解語言？如果你還沒有那么清楚的話，是否會找個課程來聽呢？

但是有些課程不僅天價還很難報名，有些課程不僅質量極高還免費公開。誰不想要這后者呢？

沒錯，今天機器之心為大家介紹的是斯坦福 XCS224U：自然語言理解 （2023）課程。它干貨滿滿，講師 Christopher Potts 讓這門課充滿魅力。更重要的是，這堂課已經放出了全部視頻，50 個視頻任君學習。

視頻地址：https://www.youtube.com/playlist?list=PLoROMvodv4rOwvldxftJTmoR3kRcWkJBp

該課程借鑒了語言學、自然語言處理和機器學習的理論概念。在這門以項目為導向的課程中，你將開發使機器理解人類語言的系統和算法。

課程前半部分將探索自然語言理解的三個基本任務：上下文語言表征、信息檢索和 NLU 模型的高級行為評估。每個任務主題都包含實踐部分，你將在其中建立基線模型。這些基線模型將幫助你開發自己的模型。

課程后半部分則將開展自然語言理解方面的原創項目，重點關注該領域的最佳實踐。額外的講座和材料將涵蓋重要的主題，以幫助擴展和改進你的系統，包括評估和度量、語義解析和基礎語言理解。

在這些課中，你將：

• 開發對人類語言進行穩健機器學習理解的系統和算法；
• 使用大型語言模型建立神經信息檢索系統；
• 利用上下文單詞表示模型（如 transformers、BERT、ELECTRA 和 GPT），理解單詞之間的語義和句法關系；
• 利用經典和神經信息檢索方法從文本中獲取所需信息；
• 設計并開展一個自己選擇的 NLU 研究項目。

學前準備

劃重點，該課程并不是針對小白的，而是需要在課程開始之前有所積累。

具體來說，學習課程之前，你需要有一些技術、知識基礎，才能更加順利地理解課程內容，完成課程相關任務。

• 熟練掌握 Python：編碼作業將使用 Python。因為有些作業需要熟悉基本的 Linux 命令行工作流程。
• 熟悉微積分和線性代數：需要能夠熟練應用（多元）導數，并理解矩陣 / 向量符號和運算。
• 掌握概率論：熟悉基本概率分布（連續、高斯、伯努利分布），能夠定義連續和離散隨機變量的概念：期望值、獨立性、概率分布函數和累積分布函數。

斯坦福還建議大家將自然語言處理 XCS224U 課程與深度學習 XCS224N 課程結合起來，效果更好。此外還貼心地給大家準備了一份復習 NLP 相關知識的材料清單，你可按需取用。

清單鏈接：http://web.stanford.edu/class/cs224u/background.html

講師介紹

Christopher Potts 是斯坦福語言學教授，同時也是計算機科學教授和語言與信息研究中心（CSLI）主任。在研究中，他致力于使用計算方法探索情感如何在語言中表達，以及語言的產生和解釋如何受到語篇、語境的影響。

他于 2005 年出版了《The Logic of Conventional Implicatures》一書，并發表了大量計算語言學和理論語言學方面的學術論文。

課程視頻下面的評論中，網友們表達了對課程的喜愛。

 更有推薦者直接表達了對 Christopher Potts 的贊美，認為他是一位才華橫溢的教育家，解釋復雜的 ML 和 NLP 概念時具有特殊的才能。「我從他的研究和講座中學到了很多東西。強烈建議觀看他的新課程。」