译者： Yif Du

协议： CC BY-NC-ND 4.0

欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远。

本书旨在为新人提供自然语言处理（NLP）和深度学习，以涵盖这两个领域的重要主题。这两个主题领域都呈指数级增长。对于一本介绍深度学习和强调实施的NLP的书，本书占据了重要的中间地带。在写这本书时，我们不得不对哪些材料遗漏做出艰难的，有时甚至是不舒服的选择。对于初学者，我们希望本书能够为基础知识提供强有力的基础，并可以瞥见可能的内容。特别是机器学习和深度学习是一种经验学科，而不是智力科学。我们希望每章中慷慨的端到端代码示例邀请您参与这一经历。当我们开始编写本书时，我们从PyTorch 0.2开始。每个PyTorch更新从0.2到0.4修改了示例。 PyTorch 1.0将于本书出版时发布。本书中的代码示例符合PyTorch 0.4，它应该与即将发布的PyTorch 1.0版本一样工作.1关于本书风格的注释。我们在大多数地方都故意避免使用数学;并不是因为深度学习数学特别困难（事实并非如此），而是因为它在许多情况下分散了本书主要目标的注意力——增强初学者的能力。在许多情况下，无论是在代码还是文本方面，我们都有类似的动机，我们倾向于对简洁性进行阐述。高级读者和有经验的程序员可以找到方法来收紧代码等等，但我们的选择是尽可能明确，以便覆盖我们想要达到的大多数受众。

• 在线阅读
• 代码地址
• ApacheCN 机器学习交流群 629470233
• ApacheCN 学习资源

• Chapter 1.基础介绍
• Chapter 2.传统NLP快速回顾
• Chapter 3.神经网络基础组件
• Chapter 4.自然语言处理 Feed-Forward Networks
• Chapter 5.Embedding Words and Types
• Chapter 6.自然语言处理 Sequence Modeling
• Chapter 7.自然语言处理的中间 Sequence Modeling
• Chapter 8.用于自然语言处理的高级 Sequence
• Chapter 9.经典, 前沿和后续步骤

深度学习必学

1. 反向传递: https://www.cnblogs.com/charlotte77/p/5629865.html
2. CNN原理: http://www.cnblogs.com/charlotte77/p/7759802.html
3. RNN原理: https://blog.csdn.net/qq_39422642/article/details/78676567
4. LSTM原理: https://blog.csdn.net/weixin_42111770/article/details/80900575

自然语言处理

• Python 自然语言处理 第二版: https://usyiyi.github.io/nlp-py-2e-zh
• 推荐一个 liuhuanyong大佬整理的nlp全面知识体系: https://liuhuanyong.github.io
• 开源 - 词向量库集合:
  • https://github.com/Embedding/Chinese-Word-Vectors
  • https://github.com/brightmart/nlp_chinese_corpus
  • https://github.com/codemayq/chinese_chatbot_corpus
  • https://github.com/candlewill/Dialog_Corpus

内容由 ApacheCN 团队提供支持