NLP可以說是機器學習中最受歡迎的領域之一，這項技術改變了我們與世界互動的方式。今天要和大家分享的是8個免費的學習NLP在線資源，感興趣的朋友歡迎收藏。

自然語言處理（NLP）作為人工智能研究的核心領域之一，長久以來都受到廣泛關注。

微軟全球執行副總裁沈向洋博士曾表示“懂語言者得天下，人工智能對人類影響最為深刻的就是自然語言方面。”現在很多研究人員都在進入自然語言領域，希望可以解決“讓機器理解人類語言”這一難題。

如果你也對NLP感興趣，不妨關注一下這8個免費學習NLP的在線資源：

1|自然語言處理

格式：課程

地址：https://www.coursera.org/learn/language-processing

簡介：此在線課程涵蓋從基礎到高級NLP，它是Coursera上高級機器學習專業化的一部分。你可以免費注冊本課程，你將學習情緒分析、總結、對話狀態跟蹤等。你將學習的主題包括文本分類介紹、語言建模和序列標記、語義向量空間模型、序列到序列任務等等。

課程學完后，你將能夠構建自己的會話聊天機器人，以幫助在StackOverflow網站上進行搜索。

2 |自然語言處理——微軟

格式：課程

地址：https://www.edx.org/course/natural-language-processing-nlp-3

簡介：這是一個自學的學習課程，它將為你提供適用于NLP的尖端技術的全面介紹。本課程的持續時間為6周，將對自然語言處理以及如何使用經典機器學習方法進行全面概述。你將學習統計機器翻譯、應用于NLP的深度強化學習技術、視覺語言多模式語言以及深度語義相似度模型（DSSM）及其應用。

你還將學習如何應用深度學習模型來解決機器翻譯和對話問題、深度結構化的信息檢索和自然語言應用語義模型、自然語言應用的深度強化學習模型以及圖像字幕和視覺問題回答的深度學習模型。7月1日開課！

3 |深度學習的自然語言處理

格式：視頻

地址：https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6

簡介：這是斯坦福大學提供的關于NLP的系列講座，在這里你將了解應用于NLP的深度學習的前沿研究。該系列講座每講時長約80分鐘，主題包括深度學習的NLP、單詞矢量表示、單詞表示的全局向量、 word window分類和神經網絡、反向傳播、依存句法分析、TensorFlow簡介和其他此類相關主題。

4 |自然語言處理——卡耐基梅隆大學

格式：PDF和視頻

地址：http://demo.clab.cs.cmu.edu/NLP/

簡介：本課程由卡耐基梅隆大學提供，該課程涵蓋了將人類語言（如英語和中文）表示為計算系統的各種方式，以及利用這些表示來編寫與文本和語音數據相關的程序的各種方法，如翻譯、總結、提取信息、數據庫的自然界面、會話代理等。課程包括機器學習和語言學的核心思想。

5 |深層自然語言處理

格式：視頻和幻燈片

地址：https://github.com/oxford-cs-deepnlp-2017/lectures/blob/master/README.md

簡介：這是一個GitHub資源庫，其中包含牛津大學的深層NLP課程，以演講幻燈片和視頻形式呈現。本課程重點介紹使用遞歸神經網絡分析和生成語音和文本的最新進展。將向你介紹相關機器學習模型的數學定義，并推導出相關的優化算法。該課程涵蓋NLP中神經網絡的一系列應用，包括文本潛在維度分析、將語音轉錄為文本、在語言之間進行翻譯以及回答問題。

6 |Python的自然語言處理

格式：電子書

地址：http://www.nltk.org/book/

簡介：這是由Steven Bird，Ewan Klein和Edward Loper撰寫的《用Python

進行自然語言處理》一書的電子書版本。本書更多的是使用Python第3版的實用方法，你將學習各種主題，如語言處理、訪問文本語料庫和詞匯資源、處理原始文本、編寫結構化程序、分類文本、分析句子結構等等。

7 |使用NLTK的NLP入門

格式：視頻

地址：https://www.udemy.com/natural-language-processing-nlp-for-beginners-using-nltk-in-python/

簡介：這是一個視頻系列，你將通過NLTK了解NLP的基礎知識。視頻基本上集中在NLP中稱為頻率分布的非常有用的功能。你將學習如何計算、制表和繪制詞語的頻率分布。

8 |演講和語言處理

格式：電子書

地址：https://web.stanford.edu/~jurafsky/slp3/

簡介：這是作者Dan Jurafsky和James H. Martin的電子書，你將學習語言處理的基礎知識。這里包括的主題是文本規范化、編輯距離、正則表達、語言建模、邏輯回歸、矢量語義、神經網絡、神經語言模型和其他此類相關主題。