动手学深度学习第十六课：词向量（word2vec）

[@rafehaynes1784]

说的很细节啊！虽然现在有BERT了，但是故顾历史很棒。老师公式解释的很好！社科也无压力

[@bigeye6525]

谢谢

[@liuqiqi4186]

Google BERT 出来以后， 还有必要学Word2vec吗？

[@hezhiyu8936]

有必要，word2vec经典之处在于其思想，因为embedding影响不仅在NLP，在推荐&广告均有广泛应用

[@xinliu4785]

讲得好清楚！！点赞

[@davidz9440]

感谢分享

[@yangzezhao7552]

感觉不是特清楚，噪音词和背景词，吴恩达其实解释的不错。可以参考下画图。

[@supervince110]

感觉吴恩达这个话题讲得不够具体，结合这个会理解得比较深入

[@liangchaowu7205]

通俗易懂，赞

[@juecenzhan4724]

Thanks for the video!

[@张凯-b9o]

Really Nice video but in 55:27 the L(3) is 4? in data structure Huffman tree, we always consider it as 3 and mult it's weight

[@zhiqiangliu5830]

很棒！

[@sean6752]

you really saved my ass.

[@shaclo]

絮絮叨叨话那么多，有用的也就20分钟。不过也得谢谢分享，毕竟中文的分享课太少了