「干货」适合NLP初学者的8个免费资源分享
【新智元导读】NLP可以说是机器学习中最受欢迎的领域之一，这项技术改变了我们与世界互动的方式。今天要和大家分享的是8个免费的学习NLP在线资源，感兴趣的朋友欢迎收藏。
自然语言处理（NLP）作为人工智能研究的核心领域之一，长久以来都受到广泛关注。
微软全球执行副总裁沈向洋博士曾表示“懂语言者得天下，人工智能对人类影响最为深刻的就是自然语言方面。”现在很多研究人员都在进入自然语言领域，希望可以解决“让机器理解人类语言”这一难题。
如果你也对NLP感兴趣，不妨关注一下这8个免费学习NLP的在线资源：
1 | 自然语言处理
格式：课程
地址：https://www.coursera.org/learn/language-processing
简介：此在线课程涵盖从基础到高级NLP，它是Coursera上高级机器学习专业化的一部分。你可以免费注册本课程，你将学习情绪分析、总结、对话状态跟踪等。你将学习的主题包括文本分类介绍、语言建模和序列标记、语义向量空间模型、序列到序列任务等等。
课程学完后，你将能够构建自己的会话聊天机器人，以帮助在StackOverflow网站上进行搜索。
2 | 自然语言处理——微软
格式：课程
地址：https://www.edx.org/course/natural-language-processing-nlp-3
简介：这是一个自学的学习课程，它将为你提供适用于NLP的尖端技术的全面介绍。本课程的持续时间为6周，将对自然语言处理以及如何使用经典机器学习方法进行全面概述。你将学习统计机器翻译、应用于NLP的深度强化学习技术、视觉语言多模式语言以及深度语义相似度模型（DSSM）及其应用。
你还将学习如何应用深度学习模型来解决机器翻译和对话问题、深度结构化的信息检索和自然语言应用语义模型、自然语言应用的深度强化学习模型以及图像字幕和视觉问题回答的深度学习模型。7月1日开课！
3 | 深度学习的自然语言处理
格式：视频
地址：https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
简介：这是斯坦福大学提供的关于NLP的系列讲座，在这里你将了解应用于NLP的深度学习的前沿研究。该系列讲座每讲时长约80分钟，主题包括深度学习的NLP、单词矢量表示、单词表示的全局向量、 word window分类和神经网络、反向传播、依存句法分析、TensorFlow简介和其他此类相关主题。
4 | 自然语言处理——卡耐基梅隆大学
格式：PDF和视频
地址：http://demo.clab.cs.cmu.edu/NLP/
简介：本课程由卡耐基梅隆大学提供，该课程涵盖了将人类语言（如英语和中文）表示为计算系统的各种方式，以及利用这些表示来编写与文本和语音数据相关的程序的各种方法，如翻译、总结、提取信息、数据库的自然界面、会话代理等。课程包括机器学习和语言学的核心思想。
5 | 深层自然语言处理
格式：视频和幻灯片
地址：https://github.com/oxford-cs-deepnlp-2017/lectures/blob/master/README.md
简介：这是一个GitHub资源库，其中包含牛津大学的深层NLP课程，以演讲幻灯片和视频形式呈现。本课程重点介绍使用递归神经网络分析和生成语音和文本的最新进展。将向你介绍相关机器学习模型的数学定义，并推导出相关的优化算法。该课程涵盖NLP中神经网络的一系列应用，包括文本潜在维度分析、将语音转录为文本、在语言之间进行翻译以及回答问题。
6 | Python的自然语言处理
格式：电子书
地址：http://www.nltk.org/book/
简介：这是由Steven Bird，Ewan Klein和Edward Loper撰写的《用Python
进行自然语言处理》一书的电子书版本。本书更多的是使用Python第3版的实用方法，你将学习各种主题，如语言处理、访问文本语料库和词汇资源、处理原始文本、编写结构化程序、分类文本、分析句子结构等等。
7 | 使用NLTK的NLP入门
格式：视频
地址：https://www.udemy.com/natural-language-processing-nlp-for-beginners-using-nltk-in-python/
简介：这是一个视频系列，你将通过NLTK了解NLP的基础知识。视频基本上集中在NLP中称为频率分布的非常有用的功能。你将学习如何计算、制表和绘制词语的频率分布。
8 | 演讲和语言处理
格式：电子书
地址：https://web.stanford.edu/~jurafsky/slp3/
简介：这是作者Dan Jurafsky和James H. Martin的电子书，你将学习语言处理的基础知识。这里包括的主题是文本规范化、编辑距离、正则表达、语言建模、逻辑回归、矢量语义、神经网络、神经语言模型和其他此类相关主题。
参考链接
https://www.analyticsindiamag.com/8-free-resources-for-beginners-to-learn-natural-language-processing/