跳到主要内容
步芽

【极致中配】斯坦福大学 CS224N 深度学习自然语言处理 I Spring 2024

斯坦福CS224N 2024春季课，系统讲解词向量、RNN、注意力与Transformer、预训练与后训练，覆盖大语言模型、推理智能体、多模态与可解释性等前沿主题。

难度
难度 4/5 — 研究生水平NLP课，需扎实的深度学习、线性代数与编程基础
适合人群
有编程与深度学习基础、想深入NLP与大语言模型的本科高年级及研究生
前置要求
Python编程（课程含Python与PyTorch教程）、线性代数与微积分（理解矩阵运算与梯度反向传播）、概率与统计（语言模型与概率分布基础）、机器学习基础（了解神经网络与优化基本概念）
课程规模
46 讲 · 2.9 万播放
在 B 站免费观看 →就这门课提问 →排进我的学习路线

主题覆盖

词向量反向传播与神经网络依存句法分析循环神经网络序列到序列模型注意力机制Transformer与自注意力预训练与后训练自然语言生成推理与智能体多模态深度学习模型可解释性与编辑

课程大纲（46 讲）

  1. P1 · Lecture 1 - Intro and Word Vectors（重制版）52 分钟
  2. P2 · Lecture 2 - Word Vectors and Language Models（重制版）51 分钟
  3. P3 · Lecture 3 - Backpropagation, Neural Network（重制版）48 分钟
  4. P4 · Lecture 4 - Dependency Parsing（重制版）51 分钟
  5. P5 · Lecture 5 - Recurrent Neural Networks（重制版）51 分钟
  6. P6 · Lecture 6 - Sequence to Sequence Models（重制版）51 分钟
  7. P7 · Lecture 7 - Attention, Final Projects and LLM Intro（重制版）51 分钟
  8. P8 · Lecture 8 - Self-Attention and Transformers（重制版）50 分钟
  9. P9 · Lecture 9 - Pretraining（重制版）50 分钟
  10. P10 · Lecture 10 - Post-training by Archit Sharma（重制版）51 分钟
  11. P11 · Lecture 11 - Natural Language Generation（重制版）51 分钟
  12. P12 · Lecture 11 - Benchmarking by Yann Dubois（重制版）50 分钟
  13. P13 · Lecture 12 - Efficient Training, Shikhar Murty（重制版）41 分钟
  14. P14 · Lecture 13 - Brain-Computer Interfaces, Chaofei Fan（重制版）42 分钟
  15. P15 · Lecture 14 - Reasoning and Agents by Shikhar Murty（重制版）41 分钟
  16. P16 · Lecture 15 - After DPO by Nathan Lambert（重制版）46 分钟
  17. P17 · Lecture 16 - ConvNets and TreeRNNs（重制版）45 分钟
  18. P18 · Lecture 16 - Multimodal Deep Learning, Douwe Kiela（重制版）43 分钟
  19. P19 · Lecture 18 - NLP, Linguistics, Philosophy（重制版）51 分钟
  20. P20 · Lec. 19 - Model Interpretability & Editing, Been Kim（重制版）48 分钟
  21. P21 · Python Tutorial, Manasi Sharma（重制版）27 分钟
  22. P22 · PyTorch Tutorial, Drew Kaul（重制版）27 分钟
  23. P23 · Hugging Face Tutorial, Eric Frankel（重制版）27 分钟
  24. P24 · Lecture 1 - Intro and Word Vectors54 分钟
  25. P25 · Lecture 2 - Word Vectors and Language Models53 分钟
  26. P26 · Lecture 3 - Backpropagation, Neural Network48 分钟
  27. P27 · Lecture 4 - Dependency Parsing52 分钟
  28. P28 · Lecture 5 - Recurrent Neural Networks51 分钟
  29. P29 · Lecture 6 - Sequence to Sequence Models50 分钟
  30. P30 · Lecture 7 - Attention, Final Projects and LLM Intro49 分钟
  31. P31 · Lecture 8 - Self-Attention and Transformers49 分钟
  32. P32 · Lecture 9 - Pretraining51 分钟
  33. P33 · Lecture 10 - Post-training by Archit Sharma52 分钟
  34. P34 · Lecture 11 - Natural Language Generation52 分钟
  35. P35 · Lecture 11 - Benchmarking by Yann Dubois51 分钟
  36. P36 · Lecture 12 - Efficient Training, Shikhar Murty41 分钟
  37. P37 · Lecture 13 - Brain-Computer Interfaces, Chaofei Fan43 分钟
  38. P38 · Lecture 14 - Reasoning and Agents by Shikhar Murty42 分钟
  39. P39 · Lecture 15 - After DPO by Nathan Lambert48 分钟
  40. P40 · Lecture 16 - ConvNets and TreeRNNs46 分钟
  41. P41 · Lecture 16 - Multimodal Deep Learning, Douwe Kiela45 分钟
  42. P42 · Lecture 18 - NLP, Linguistics, Philosophy52 分钟
  43. P43 · Lec. 19 - Model Interpretability & Editing, Been Kim48 分钟
  44. P44 · Python Tutorial, Manasi Sharma28 分钟
  45. P45 · PyTorch Tutorial, Drew Kaul27 分钟
  46. P46 · Hugging Face Tutorial, Eric Frankel27 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。