一、 主题：Question Answering主讲人：吴佳琪摘要：本次讨论班将介绍自然语言处理中的一个重要子任务---Question Answering。通过本次讨论班的学习，你将知道QA中常用的数据集及其形式，了解并分析QA中的经典模型和常用技巧。时间和地点：12月5日13:30-16:00（星期六下午1点30分-4点），软件学院办公楼201会议

一、 主题：NLP中的CNN主讲人：夏天宇摘要：本节课介绍CNN在NLP中的应用。首先介绍如何进行卷积和池化操作，然后具体介绍了CNN的一个应用——句子分类，最后介绍如何优化CNN的应用以及结合了RNN和CNN优点的QRNN时间和地点：11月28日13:30-15:00（星期六下午1点30分-3点），软件学院办公楼201会议

一、 主题：机器翻译、seq2seq与注意力机制主讲人：侯庆锐摘要：本节课引入了一个新的NLP任务：机器翻译，并介绍了seq2seq模型。seq2seq是一种重要的encoder-decoder式模型，在多种NLP任务中发挥了重要的作用。而在对它的改进中，注意力（Attention）机制是十分关键的，它同样可以应用于多种机器学习任务。时间和地点：11月21日15:00-17:00（星期六下午3点-5点），软件学院办公楼310会议

一、 主题：梯度消失及RNN变体主讲人：杨涛摘要：传统的RNN中存在着梯度消失问题，导致模型很难保留较长时间步前的信息。本次讨论，分析产生梯度消失问题的原因，并对解决这一问题的两种RNN变体（LSTM，GRU）进行介绍。 时间和地点：11月14日15:00-17:00（星期六下午3点-5点），软件学院办公楼201会议

一、 主题：语言模型和RNN 主讲人：吴佳琪 摘要：本次课程的主题为语言模型和RNN，语言模型能够在给定已有词的情况下预测可能出现的下一个词，即对自然语言的概率分布进行建模。传统的n-gram和神经语言模型具有诸多弊端，本次讨论我们通过RNN的介绍引出序列语言模型，详述现在主流语言模型的建模方式。  时间和地点：11月10日16:00-17:00（星期二下午4点-5点），软件学院办公楼201会议