1、什么是NLP？
定义。融合了计算机科学、AI和计算语言学的人工智能领域的一个分支。
NLP levels。单词结构的形态分析，句子结构的句法分析，语义解释（结合上下文得出的语义就引出了语用学和语篇处理）。
应用。机器翻译、口语对话系统、生成开发知识库、语音识别、情感分析，在商业上掀起研究NLP 的浪潮。
人类语言的特殊之处：一是专门构造用于传达说话者（写作者）的意思，二来它是一个分散的、象征性的、绝对的信号系统（语言就是系统）
2、什么是DL？
深度学习是ML的一个分支，主要研究如何让计算机自动学习，而不是人工教授、手工写代码。
DL是表征学习（representation learning）的一个分支，它试图获得多层的习得表征和最佳输出，实际表现就是你在研究中用到了神经网络的模型。
探索DL的原因。手工设计的特征不完整、过于专一、设计和证实的时间周期长；习得特征自适应和学习能力好；用于监督学习和无监督学习；表征的信息多样，视觉的，语言的；效果较之其他机器学习方法明显提高。
在DL领域首个突破在语音识别上，再是计算机视觉领域（在ImageNet计算机视觉竞赛中出色表现）
3、学习前提
Prerequisites
熟练使用培Python；熟悉矩阵、多元微积分、线性代数相关概念；基本概率统计知识；机器学习相关（loss function、optimization with gradient descent）
4、为什么NLP很难？
5、Deep NLP = DL + NLP
近几年在NLP领域的发展，通过不同的
- 层次：词汇学，句法学，语义学
- 工具：词性标注，名称识别，找句子语法结构
- 应用：机器翻译，情感分析，聊天助手，问答系统
深度学习和语言都是以词义为起点（第二讲），将一个单词用向量表示，维度自定义，组成单词向量（vectors for words），同类型的单词就会聚集在向量空间中，若要观察到需要用一些方法，如主成分分析、非线性降维，来投射到二维空间，以便观察。
Morpheme:the smallest unit of meaning that a word can be divided into.
应用举例：用神经网络进行依存句法分析（dependency parsing）
运用DL在NLP的各个应用领域，像机器翻译，情感分析，聊天助手，问答系统上，都呈现出了大幅度的提高。
小tip：NLP最早进行研究是在美苏冷战时开始的。。。
下一讲预告
