- 课程地址：http://web.stanford.edu/class/cs224n/
- 时间：2017年
- 主讲：Christopher Manning、Richard
Lecture 1: Introduction
NLP：Natural language processing
常见自然语言项目：（又一次面试问过）
- 微软 Cortana
- 苹果 Siri （消费级技术）
- 亚马逊 Alexa
- 小米 小爱
- 百度 小度
- 天猫 天猫精灵
人类语言的特点：
- 明确的指向性
- 语言是符号、符号不基于任何逻辑和AI
- 具有连续的载体 （以唠嗑就根本停不下来）
2015年之前的机器学习都是人在做大量的数据分析（比如：手动特征工程），而机器只是在做数值的优化（事实上电脑很适合做数值优化，人类不适合）。
这并不是我们所期望的机器学习。
深度学习（Deeplearning）是表征学习（Representation Learning）的一个重要分支。
表征学习的理念是，我们可以向电脑提供来自世界的原始信号，无论是视觉信息还是语言信息，然后 电脑可以自动得出好的中介表征 来很好的完成任务，从某种意义上来说，它是自己定义特征。
深度学习不只是基于神经网络，也可以是概率模型以及其他方法运用于深度架构中。（概率图模型）
利用深度学习学习词向量，高维空间成为了非常棒的语义空间。具有相同含义的词聚集成块，向量空间存在方向，它会透露关于成分和意义的信息。
然而人类不擅长解读高维空间的信息，人类跟习惯于2维度和3维度的信息表示。