CS224d: Deep Learning for NLP Lecture1 聽課記錄
重點提煉 自然語言處理的一般處理過程/NLP levels 初始輸入數據分爲語音和文本兩大類，對於語音一般進行語音分析轉換成文本(語音識別)，對於文本一般進行詞條化處理。而後兩者處理過程類似，即依次進行詞法分析，句法分析，語義分析，語篇加工等。 深度學習的優勢 (1) 工程師手動設計的特徵往往只針對一個領域，並且需要花費大量的時間設計和驗證特徵，也有可能因爲數據量巨大，不能得到完整的特徵 (2)
相關文章
- 1. CS224d: Deep Learning for Natural Language Process
- 2. CNN for NLP (CS224D)
- 3. Deep Learning for NLP Best Practices
- 4. 【NLP】cs224n課程筆記
- 5. 聽課記錄
- 6. Lecture1: Introduction to Reinforcement Learning
- 7. 備忘錄——Deep Learning Is Not Good Enough, We Need Bayesian Deep Learning for Safe AI筆記
- 8. 2019年CS224N課程筆記-Lecture 20:The Future of NLP+Deep Learning
- 9. Deep Learning for Information Retrieval
- 10. NLP with Deep Learning Lecture 2 筆記
- 更多相關文章...
- • ADO 刪除記錄 - ADO 教程
- • ADO 更新記錄 - ADO 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Java Agent入門實戰（三）-JVM Attach原理與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. CS224d: Deep Learning for Natural Language Process
- 2. CNN for NLP (CS224D)
- 3. Deep Learning for NLP Best Practices
- 4. 【NLP】cs224n課程筆記
- 5. 聽課記錄
- 6. Lecture1: Introduction to Reinforcement Learning
- 7. 備忘錄——Deep Learning Is Not Good Enough, We Need Bayesian Deep Learning for Safe AI筆記
- 8. 2019年CS224N課程筆記-Lecture 20:The Future of NLP+Deep Learning
- 9. Deep Learning for Information Retrieval
- 10. NLP with Deep Learning Lecture 2 筆記