• 課程地址：http://web.stanford.edu/class/cs224n/
• 時間：2017年
• 主講：Christopher Manning、Richard

Lecture 1: Introduction

NLP：Natural language processing

常見自然語言專案：（又一次面試問過）

• 微軟 Cortana
• 蘋果 Siri （消費級技術）
• 亞馬遜 Alexa
• 小米 小愛
• 百度 小度
• 天貓 天貓精靈

人類語言的特點：

• 明確的指向性
• 語言是符號、符號不基於任何邏輯和AI
• 具有連續的載體 （以嘮嗑就根本停不下來）

2015年之前的機器學習都是人在做大量的資料分析（比如：手動特徵工程），而機器只是在做數值的優化（事實上電腦很適合做數值優化，人類不適合）。
這並不是我們所期望的機器學習。
深度學習（Deeplearning）是表徵學習（Representation Learning）的一個重要分支。
表徵學習的理念是，我們可以向電腦提供來自世界的原始訊號，無論是視覺資訊還是語言資訊，然後 電腦可以自動得出好的中介表徵 來很好的完成任務，從某種意義上來說，它是自己定義特徵。
深度學習不只是基於神經網路，也可以是概率模型以及其他方法運用於深度架構中。（概率圖模型）
利用深度學習學習詞向量，高維空間成為了非常棒的語義空間。具有相同含義的詞聚整合塊，向量空間存在方向，它會透露關於成分和意義的資訊。
然而人類不擅長解讀高維空間的資訊，人類跟習慣於2維度和3維度的資訊表示。