一、前言
自然語言是人類智慧的結晶，自然語言處理是人工智能中最爲困難的問題之一，而對自然語言處理的研究也是充滿魅力和挑戰的。 通過經典的斯坦福cs224n教程，讓我們一起和自然語言處理共舞！也希望大家能夠在NLP領域有所成就！
二、先修知識（學習的過程中可以遇到問題後再複習）
- 瞭解python基礎知識
- 瞭解高等數學、概率論、線性代數知識
- 瞭解基礎機器學習算法：梯度下降、線性迴歸、邏輯迴歸、Softmax、SVM、PAC（先修課程斯坦福cs229 或者周志華西瓜書）
- 具有英語4級水平（深度學習學習材料、論文基本都是英文，一定要閱讀英文原文，進步和提高的速度會加快！！！！）
- 以上知識要求內容可在最下方的知識工具中查找
三、每週學習時間安排
每週具體學習時間劃分爲4個部分:
- 1部分安排週一到週二
- 2部分安排在週四到週五
- 3部分安排在週日
- 4部分作業是本週任何時候空餘時間
- 週日晚上提交作業運行截圖
- 週三、週六休息^_^
（以下的部分鏈接在手機端無法正常顯示，請複製鏈接到電腦瀏覽器打開）
四、分節學習內容
第1部分學習任務：
（1）觀看自然語言處理課學習緒論，瞭解深度學習的概括和應用案例以及訓練營後續的一些學習安排
學習時長：11/30—12/2
緒論視頻地址： https://m.weike.fm/lecture/10194068
（2）自然語言處理和深度學習簡介，觀看課件lecture01、視頻1、學習筆記
學習時長：11/30—12/4
- 課件: lecture01（鏈接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture1.pdf ）
- 觀看視頻1（鏈接地址： https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0）
- 學習筆記：自然語言處理與深度學習簡介（鏈接地址： http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html ）
第4部分作業：Assignment 1.1-1.2（鏈接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
- 1.1 Softmax 算法
- 1.2 Neural Network Basics 神經網絡基礎實現
完成時間：任何空餘時間
作業截止提交時間：12/9號之前
作業提交指南：
將作業發送到訓練營公共郵箱即可，訓練營以打卡爲主，不用提交作業。以下爲注意事項:
<0> 課程資料：鏈接 （ https://pan.baidu.com/share/init?surl=p1J9kyoNZIwqCRmaX6lvoQ ）密碼：zwjr
<1> 訓練營代碼公共郵箱：[email protected]
<2> 將每週作業壓縮成zip文件，文件名爲“學號+作業編號”，例如："NLP010037-01.zip"
<3> 注意不要改變作業中的《方法名》《類名》不然會檢測失敗！！
下圖爲提交示例：
課程資料：
課程主頁： https://web.stanford.edu/class/cs224n /
中文筆記： http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html
課程視頻： https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0
實驗環境推薦使用Linux或者Mac系統，以下環境搭建方法皆適用:
· Docker環境配置： https://github.com/ufoym/deepo
· 本地環境配置： https://github.com/learning511/cs224n-learning-camp/blob/master/environment.md
註冊一個github賬號：github.com
後續發佈的一些project和exercise會在這個github下：
https://github.com/learning511/cs224n-learning-camp
重要的一些資源：
深度學習斯坦福教程： http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B
廖雪峯python3教程： https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000
github教程： https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000
莫煩機器學習教程： http://morvanzhou.github.io/tutorials /
深度學習經典論文： https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
斯坦福cs229代碼(機器學習算法python徒手實現)： https://github.com/nsoojin/coursera-ml-py
吳恩達機器學習新書：machine learning yearning： https://github.com/AcceptedDoge/machine-learning-yearning-cn
清華大學NLP實驗室總結機器閱讀論文、數據集： https://github.com/thunlp/RCPapers
本人博客(機器學習基礎算法專題)： https://blog.csdn.net/dukuku5038/article/details/82253966
本人博客(深度學習專題)： https://blog.csdn.net/column/details/28693.html
斯坦福cs20I課件： https://github.com/learning511/cs224n-learning-camp/tree/master/cs20is
AI比賽經驗+開源代碼彙總： https://blog.csdn.net/dukuku5038/article/details/84195750
知識工具
爲了讓大家逐漸適應英文閱讀，複習材料我們有中英兩個版本，但是推薦大家讀英文
數學工具
斯坦福資料：
- 線性代數（鏈接地址： http://web.stanford.edu/class/cs224n/readings/cs229-linalg.pdf ）
- 概率論（鏈接地址： http://101.96.10.44/web.stanford.edu/class/cs224n/readings/cs229-prob.pdf ）
- 凸函數優化（鏈接地址： http://101.96.10.43/web.stanford.edu/class/cs224n/readings/cs229-cvxopt.pdf ）
- 隨機梯度下降算法（鏈接地址： http://cs231n.github.io/optimization-1 /）
中文資料：
- 機器學習中的數學基本知識（鏈接地址： https://www.cnblogs.com/steven-yang/p/6348112.html ）
- 統計學習方法（鏈接地址： http://vdisk.weibo.com/s/vfFpMc1YgPOr ）
- 大學數學課本（從故紙堆裏翻出來^_^）
編程工具
斯坦福資料：
- Python複習（鏈接地址： http://web.stanford.edu/class/cs224n/lectures/python-review.pdf ）
- TensorFlow教程（鏈接地址： https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow ）
中文資料：
- 廖雪峯python3教程（鏈接地址： https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000 ）
- 莫煩TensorFlow教程（鏈接地址： https://morvanzhou.github.io/tutorials/machine-learning/tensorflow /）
摘自微信公衆號: 深度之眼