从对话智能体到搜索查询，自然语言理解（NLP）是当今许多最令人兴奋的技术的基础。如何建立这些模型来高效、可靠地理解语言？如果你还没有那么清楚的话，是否会找个课程来听呢？

但是有些课程不仅天价还很难报名，有些课程不仅质量极高还免费公开。谁不想要这后者呢？

没错，今天机器之心为大家介绍的是斯坦福 XCS224U：自然语言理解 （2023）课程。它干货满满，讲师 Christopher Potts 让这门课充满魅力。更重要的是，这堂课已经放出了全部视频，50 个视频任君学习。

视频地址：https://www.youtube.com/playlist?list=PLoROMvodv4rOwvldxftJTmoR3kRcWkJBp

该课程借鉴了语言学、自然语言处理和机器学习的理论概念。在这门以项目为导向的课程中，你将开发使机器理解人类语言的系统和算法。

课程前半部分将探索自然语言理解的三个基本任务：上下文语言表征、信息检索和 NLU 模型的高级行为评估。每个任务主题都包含实践部分，你将在其中建立基线模型。这些基线模型将帮助你开发自己的模型。

课程后半部分则将开展自然语言理解方面的原创项目，重点关注该领域的最佳实践。额外的讲座和材料将涵盖重要的主题，以帮助扩展和改进你的系统，包括评估和度量、语义解析和基础语言理解。

在这些课中，你将：

• 开发对人类语言进行稳健机器学习理解的系统和算法；
• 使用大型语言模型建立神经信息检索系统；
• 利用上下文单词表示模型（如 transformers、BERT、ELECTRA 和 GPT），理解单词之间的语义和句法关系；
• 利用经典和神经信息检索方法从文本中获取所需信息；
• 设计并开展一个自己选择的 NLU 研究项目。

学前准备

划重点，该课程并不是针对小白的，而是需要在课程开始之前有所积累。

具体来说，学习课程之前，你需要有一些技术、知识基础，才能更加顺利地理解课程内容，完成课程相关任务。

• 熟练掌握 Python：编码作业将使用 Python。因为有些作业需要熟悉基本的 Linux 命令行工作流程。
• 熟悉微积分和线性代数：需要能够熟练应用（多元）导数，并理解矩阵 / 向量符号和运算。
• 掌握概率论：熟悉基本概率分布（连续、高斯、伯努利分布），能够定义连续和离散随机变量的概念：期望值、独立性、概率分布函数和累积分布函数。

斯坦福还建议大家将自然语言处理 XCS224U 课程与深度学习 XCS224N 课程结合起来，效果更好。此外还贴心地给大家准备了一份复习 NLP 相关知识的材料清单，你可按需取用。

清单链接：http://web.stanford.edu/class/cs224u/background.html

讲师介绍

Christopher Potts 是斯坦福语言学教授，同时也是计算机科学教授和语言与信息研究中心（CSLI）主任。在研究中，他致力于使用计算方法探索情感如何在语言中表达，以及语言的产生和解释如何受到语篇、语境的影响。

他于 2005 年出版了《The Logic of Conventional Implicatures》一书，并发表了大量计算语言学和理论语言学方面的学术论文。

课程视频下面的评论中，网友们表达了对课程的喜爱。

 更有推荐者直接表达了对 Christopher Potts 的赞美，认为他是一位才华横溢的教育家，解释复杂的 ML 和 NLP 概念时具有特殊的才能。「我从他的研究和讲座中学到了很多东西。强烈建议观看他的新课程。」