课程主页: https://www.coursera.org/learn/sequence-models-in-nlp
在Coursera上，有一门非常优秀的课程，名为《自然语言处理与序列模型》。这门课程是自然语言处理专业化系列的第三门课，内容非常丰富，包括了深度学习领域先进的技术和理论。
首先，课程的目标之一是使用GLoVe词嵌入训练神经网络，以执行推文的情感分析。这一部分让学生能够了解情感分析的基本概念，并应用深度学习的实际技巧来解决现实问题。
其次，学员将学习如何使用门控递归单元（GRU）语言模型生成合成的莎士比亚文本。这不仅有趣，还能深入理解语言模型如何运作。
此外，课程还涵盖了如何训练递归神经网络（RNN）来执行命名实体识别（NER）任务。通过使用具有线性层的LSTM，学生能够亲自构建命名实体识别系统，这是对文本处理技能的深度挑战与锻炼。
最后，课程介绍了所谓的“Siamese”LSTM模型，用于比较语料库中的问题，并识别那些措辞不同但含义相同的问题。这一部分不仅拓展了学生的视野，还提升了他们在实际应用中解决复杂问题的能力。
课程大纲包括：
1. **递归神经网络与语言建模**
学习传统语言模型的局限性，理解RNN和GRU如何利用序列数据进行文本预测。最终，学员将构建一个简单的RNN来生成莎士比亚文本的下一个单词！
2. **LSTM与命名实体识别**
学习长短期记忆单元（LSTM）如何解决梯度消失问题，以及命名实体识别系统如何快速提取重要信息。学员将能亲自构建一个使用LSTM的命名实体识别系统，数据来源于Kaggle！
3. **Siamese网络**
探索由两个相同的网络组成并最终合并的特殊类型网络——Siamese网络，学员将搭建自己的Siamese网络，识别Quora数据集中重复的问题。
总的来说，《自然语言处理与序列模型》是一个适合有一定基础的学习者的课程，无论是对深度学习的兴趣，还是希望提升自然语言处理的实际应用技能，这门课程都非常值得推荐！
课程主页: https://www.coursera.org/learn/sequence-models-in-nlp