分类:机器学习尤其是自然语言处理学习材料

这里整理了机器学习，尤其是其中的自然语言处理，的学习材料。

课程

1. Chris Manning和Richard Socher的《Natural Language Processing with Deep Learning》课程，Stanford CS224N，http://onlinehub.stanford.edu/cs224
2. YSDA Natural Language Processing course, 视频、作业程序 https://github.com/yandexdataschool/nlp_course
3. Andrew Ng和Kian Katanforoosh的 《Deep Learning》课程，Stanford CS230， http://onlinehub.stanford.edu/cs230
4. Andrew Ng的系列课程，https://study.163.com/my#/smarts

书

1. Ian Goodfellow and Yoshua Bengio and Aaron Courville 的《Deep Learning》教材, http://www.deeplearningbook.org，　中文版: https://github.com/exacity/deeplearningbook-chinese
2. Yoav Goldberg 《Neural Network Methods for Natural Language Processing》教材, 链接
3. Dan Jurafsky and James H. Martin 《Speech and Language Processing》 (3rd ed.) 教材, 链接

原始论文

1. T Mikolov, K Chen, G Corrado, J Dean, Efficient estimation of word representations in vector space, arXiv preprint arXiv:1301.3781.
2. T Mikolov, I Sutskever, K Chen, GS Corrado, J Dean, Distributed representations of words and phrases and their compositionality, Advances in neural information processing systems, 3111-3119.

科普和讲解

1. 吴军　《数学之美》
2. 刘知远　《大数据智能》
3. jaylin008, word2vec与cw2vec的数学原理, https://www.jianshu.com/p/f258d0c5c317
4. Making sense of word2vec，几种表示算法之间的联系，尤其是word2vec和词共现矩阵之间的联系， https://rare-technologies.com/making-sense-of-word2vec/

平台和素材

1. 平台：http://hpc.systemsci.org （需要hpc.systemsci.org的linux用户账号，不对公众开放，仅供研究团队内部使用）
2. 平台搭建：anaconda和jupyter　(https://www.anaconda.com/) , pytorch（https://pytorch.org/tutorials/）
3. 素材：