一、前言
自然语言是人类智慧的结晶，自然语言处理是人工智能中最为困难的问题之一，而对自然语言处理的研究也是充满魅力和挑战的。 通过经典的斯坦福cs224n教程，让我们一起和自然语言处理共舞！也希望大家能够在NLP领域有所成就！
二、先修知识（学习的过程中可以遇到问题后再复习）
了解python基础知识了解高等数学、概率论、线性代数知识了解基础机器学习算法：梯度下降、线性回归、逻辑回归、Softmax、SVM、PAC（先修课程斯坦福cs229 或者周志华西瓜书）具有英语4级水平（深度学习学习材料、论文基本都是英文，一定要阅读英文原文，进步和提高的速度会加快！！！！）以上知识要求内容可在最下方的知识工具中查找
三、每周学习时间安排
每周具体学习时间划分为4个部分:
1部分安排周一到周二2部分安排在周四到周五3部分安排在周日4部分作业是本周任何时候空余时间周日晚上提交作业运行截图周三、周六休息_
（以下的部分链接在手机端无法正常显示，请复制链接到电脑浏览器打开）
课程资料：
课程主页： https://web.stanford.edu/class/cs224n /
中文笔记： http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html
http://www.hankcs.com/tag/cs224n/
课程视频： https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0
实验环境推荐使用Linux或者Mac系统，以下环境搭建方法皆适用:
· Docker环境配置： https://github.com/ufoym/deepo
· 本地环境配置： https://github.com/learning511/cs224n-learning-camp/blob/master/environment.md
注册一个github账号：github.com
后续发布的一些project和exercise会在这个github下：
https://github.com/learning511/cs224n-learning-camp
重要的一些资源：
深度学习斯坦福教程： http://deeplearning.stanford.edu/wiki/index.php/UFLDL教程
廖雪峰python3教程： https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000
github教程： https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000
莫烦机器学习教程： http://morvanzhou.github.io/tutorials /
深度学习经典论文： https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
斯坦福cs229代码(机器学习算法python徒手实现)： https://github.com/nsoojin/coursera-ml-py
本人博客： https://blog.csdn.net/dukuku5038/article/details/82253966
知识工具
为了让大家逐渐适应英文阅读，复习材料我们有中英两个版本，但是推荐大家读英文
数学工具
斯坦福资料：
线性代数（链接地址： http://web.stanford.edu/class/cs224n/readings/cs229-linalg.pdf ）概率论（链接地址： http://101.96.10.44/web.stanford.edu/class/cs224n/readings/cs229-prob.pdf ）凸函数优化（链接地址： http://101.96.10.43/web.stanford.edu/class/cs224n/readings/cs229-cvxopt.pdf ）随机梯度下降算法（链接地址： http://cs231n.github.io/optimization-1 /）
中文资料：
机器学习中的数学基本知识（链接地址： https://www.cnblogs.com/steven-yang/p/6348112.html ）统计学习方法（链接地址： http://vdisk.weibo.com/s/vfFpMc1YgPOr ）大学数学课本（从故纸堆里翻出来_）
编程工具
斯坦福资料：
Python复习（链接地址： http://web.stanford.edu/class/cs224n/lectures/python-review.pdf ）TensorFlow教程（链接地址： https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow ）
中文资料：
廖雪峰python3教程（链接地址： https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000 ）莫烦TensorFlow教程（链接地址： https://morvanzhou.github.io/tutorials/machine-learning/tensorflow /）
作业参考答案：http://www.hankcs.com/nlp/cs224n-assignment-1.html
达观杯：https://github.com/MLjian/TextClassificationImplement
第一周
四、分节学习内容
第1部分学习任务：
（1）观看自然语言处理课学习绪论，了解深度学习的概括和应用案例以及训练营后续的一些学习安排
学习时长：10/23—10/28
绪论视频地址： https://m.weike.fm/lecture/10194068
（2）自然语言处理和深度学习简介，观看课件lecture01、视频1、学习笔记
学习时长：10/23
课件: lecture01（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture1.pdf ）观看视频1（链接地址： https://www.bilibili.com/video/av30326868/?spm_id_from=333 .788.videocard.0）学习笔记：自然语言处理与深度学习简介（链接地址： http://www.hankcs.com/nlp/cs224n-introduction-to-nlp-and-deep-learning.html ）
第4部分作业：Assignment 1.1-1.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
1.1 Softmax 算法1.2 Neural Network Basics 神经网络基础实现
完成时间：本周任何空余时间
作业截止提交时间：10/28号之前
作业提交方式：在训练营中打卡提交作业运行截图
四、分节学习内容
第3部分学习任务：
（1）观看自然语言处理课学习绪论，了解深度学习的概括和应用案例以及训练营后续的一些学习安排
学习时长：10/23—10/28
绪论视频地址： https://m.weike.fm/lecture/10194068
（2）论文导读：一个简单但很难超越的Sentence Embedding基线方法
学习时长：10/28
论文原文: paper（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/A Simple but Tough-to-beat Baseline for Sentence Embeddings.pdf ）
论文分析: highlight（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/highlight/cs224n-2017-lecture1-highlight.pdf ）
论文笔记：Sentence Embedding（链接地址： http://www.hankcs.com/nlp/cs224n-sentence-embeddings.html ）
（3）观看达观杯NLP算法大赛报名指导PDF和入门指导视频
学习时长：10/25—11/4
零基础1小时完成一场AI比赛
达观杯文本智能挑战赛入门指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10195400 ，密码是011220）
02零基础1小时完成一场AI比赛.pdf
2018.10.22
03 达观杯文本智能挑战赛.mp4 2018.10.22
第4部分作业：Assignment 1.1-1.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
1.1 Softmax 算法
1.2 Neural Network Basics 神经网络基础实现
完成时间：本周任何空余时间
作业截止提交时间：10/28号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）
第二周
四、分节学习内容
第1部分学习任务：
（1）高级词向量表示：word2vec 2，观看课件lecture03、视频3、学习笔记
学习时长：10/29—10/30
课件: lecture03（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture3.pdf ）
观看视频3（链接地址： https://www.bilibili.com/video/av30326868/?p=3 ）
学习笔记：word2vec 2（链接地址： http://www.hankcs.com/nlp/cs224n-advanced-word-vector-representations.html ）
（2）观看达观杯NLP算法大赛报名指导PDF和入门指导视频
学习时长：10/25—11/4
零基础1小时完成一场AI比赛
达观杯文本智能挑战赛入门指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10195400 ，密码是011220）
02零基础1小时完成一场AI比赛.pdf
2018.10.22
03 达观杯文本智能挑战赛.mp4 2018.10.22
第4部分作业：Assignment 1.3-1.4（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
1.3 word2vec 实现
1.4 Sentiment Analysis 情绪分析
完成时间：本周任何空余时间
作业截止提交时间：11/4号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）
四、分节学习内容
第2部分学习任务：
（1）Word Window分类与神经网络，观看课件lecture04、视频4、学习笔记
学习时长：11/1—11/2
课件: lecture04（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture4.pdf ）
观看视频4（链接地址： https://www.bilibili.com/video/av30326868/?p=4 ）
学习笔记：Word Window分类与神经网络（链接地址： http://www.hankcs.com/nlp/cs224n-word-window-classification-and-neural-networks.html ）
（2）观看达观杯NLP算法大赛报名指导PDF和入门指导视频
学习时长：10/25—11/4
零基础1小时完成一场AI比赛
达观杯文本智能挑战赛入门指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10195400 ，密码是011220）
02零基础1小时完成一场AI比赛.pdf
2018.10.22
03 达观杯文本智能挑战赛.mp4 2018.10.22
第4部分作业：Assignment 1.3-1.4（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
1.3 word2vec 实现
1.4 Sentiment Analysis 情绪分析
完成时间：本周任何空余时间
作业截止提交时间：11/4号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）
第三周
二、分节学习内容
第1部分学习任务：
（1）反向传播与项目指导：Backpropagation and Project Advice，观看课件lecture05、视频5、学习笔记
学习时长：11/12—11/13
课件: lecture05（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture5.pdf ）
观看视频5（链接地址： https://www.bilibili.com/video/av30326868/?p=5 ）
学习笔记：反向传播与项目指导（链接地址： http://www.hankcs.com/nlp/cs224n-backpropagation-and-project-advice.html ）
第4部分作业：Assignment 2.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
Neural Transition-Based Dependency Parsing 基于神经网络的依赖分析
完成时间：本周任何空余时间
作业截止提交时间：11/18号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）
二、分节学习内容
第3部分学习内容
（1）论文导读：高效文本分类
学习时长：11/18
论文原文: paper（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/Bag of Tricks for Efficient Text Classification.pdf ）
论文分析: highlight（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/highlight/cs224n-2017-lecture3-highlight.pdf ）
论文笔记：高效文本分类（链接地址： http://www.hankcs.com/nlp/cs224n-bag-of-tricks-for-efficient-text-classification.html ）
第4部分作业：Assignment 2.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
Neural Transition-Based Dependency Parsing 基于神经网络的依赖分析
完成时间：本周任何空余时间
作业截止提交时间：11/18号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）
第四周
览器打开）
二、分节学习内容
第1部分学习任务：
（1）TensorFlow入门，观看课件lecture07、视频、学习笔记
学习时长：11/19—11/20
课件: lecture07（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture7-tensorflow.pdf ）
观看视频7（链接地址： https://www.bilibili.com/video/av30326868/?p=7 ）
学习笔记：TensorFlow（链接地址： http://www.hankcs.com/nlp/cs224n-tensorflow.html ）
（2）观看达观杯NLP算法大赛进阶指导视频
学习时长：11/19—12/2
达观杯文本智能挑战赛进阶指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10726829 ，密码是011220）
04达观杯之文本分类任务解析与代码使用(进阶指导).mp4 2018.11.18
第4部分作业：Assignment 2.1，2.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
2.1Tensorflow Softmax 基于TensorFlow的softmax分类
2.2 Neural Transition-Based Dependency Parsing 基于神经网络的依赖分析
二、分节学习内容
第3部分学习任务：
（1）论文导读：词嵌入对传统方法的启发
学习时长：11/25
论文原文: paper（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/Impoving distributional similarly with lessons learned from word embeddings.pdf ）
论文分析: highlight（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/highlight/cs224n-2017-lecture4-highlight.pdf ）
论文笔记：词嵌入对传统方法的启发（链接地址： http://www.hankcs.com/nlp/cs224n-improve-word-embeddings.html ）
（2）观看达观杯NLP算法大赛进阶指导视频
学习时长：11/19—12/2
达观杯文本智能挑战赛进阶指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10726829 ，密码是011220）
04达观杯之文本分类任务解析与代码使用(进阶指导).mp4 2018.11.18
第4部分作业：Assignment 2.1，2.2（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
2.1Tensorflow Softmax 基于TensorFlow的softmax分类
2.2 Neural Transition-Based Dependency Parsing 基于神经网络的依赖分析
第五周
二、分节学习内容
第1部分学习任务：
（1）高级LSTM及GRU：LSTM and GRU，观看课件lecture09、视频、学习笔记
学习时长：11/26—11/27
课件: lecture09（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/lecture-notes/cs224n-2017-lecture9.pdf ）观看视频9（链接地址： https://www.bilibili.com/video/av30326868/?p=9 ）学习笔记：高级LSTM及GRU（链接地址： http://www.hankcs.com/nlp/cs224n-mt-lstm-gru.html ）
（2）观看达观杯NLP算法大赛进阶指导视频
学习时长：11/19—12/2
达观杯文本智能挑战赛进阶指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10726829 ，密码是011220）
04达观杯之文本分类任务解析与代码使用(进阶指导).mp4
2018.11.18
第4部分作业：Assignment 2.3（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
Recurrent Neural Networks: Language Modeling 循环神经网络语言建模
完成时间：本周任何空余时间
作业截止提交时间：12/2号之前
作业提交方式：发送到训练营公共邮箱(具
脑浏览器打开）
二、分节学习内容
第3部分学习任务：
（1）论文导读：基于转移的神经网络句法分析的结构化训练
学习时长：12/2
论文原文: paper（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/Structured Training for Neural Network Transition-Based Parsing.pdf ）论文分析: highlight（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/paper/highlight/cs224n-2017-lecture6-highlight.pdf ）论文笔记：基于神经网络句法分析的结构化训练（链接地址： http://www.hankcs.com/nlp/cs224n-syntaxnet.html ）
（2）观看达观杯NLP算法大赛进阶指导视频
学习时长：11/19—12/2
达观杯文本智能挑战赛进阶指导（视频在下方，如果不清楚也可以去荔枝微课看 https://m.weike.fm/lecture/10726829 ，密码是011220）
04达观杯之文本分类任务解析与代码使用(进阶指导).mp4
2018.11.18
第4部分作业：Assignment 2.3（链接地址： https://github.com/learning511/cs224n-learning-camp/blob/master/Assignmnet.md ）
Recurrent Neural Networks: Language Modeling 循环神经网络语言建模
完成时间：本周任何空余时间
作业截止提交时间：12/2号之前
作业提交方式：发送到训练营公共邮箱(具体操作方法已私发给各位同学，还不清楚的请私聊小享）