CS224N学习指南

本指南内含CS224N的课程介绍、学习资料整合、学习建议等内容。

课程名称：CS224N
课程教师：Richard Socher 、Chris Manning
课程内容：自然语言处理
前置知识：机器学习基础知识、概率论、微积分、线性代数
课程难度：中等，建议有机器学习基础或有基本的神经网络知识后再学习
知识清单：词向量、softmax、RNN、LSTM及GRU、注意力机制、卷积网络、树RNN等……
课程特点：专注于自然语言处理问题，对自然语言处理的特定问题如翻译、共指解析、问题回答、依赖分析会各专门用一节课来讲述，这些知识点在其他深度学习课程中少有出现。且几乎每节课都有论文分享。
适用人群：有机器学习或神经网络知识基础的人

笔者认为cs224n是目前自然语言处理最好的课程了。这里给出笔者的学习建议

该课程的核心基础知识为前11节。其包括词向量、神经网络、反向传播、softmax、tensorflow框架使用、RNN模型、LSTM和GRU、注意力机制。
第6节（依赖分析）、第12节（语音处理的端对端模型）、第15节（共指解析）、第16节（用于回答问题的动态神经网络）读者可以根据自己的实际需求，选择观看或者跳过。其中第6、15节较难。