Natural Language Processing with Deep Learning
学习深度学习处理语言的基本方法，并连接到现代预训练语言模型。
关于这组笔记
个人自学讲义，综合 2025、2026 年公开课程材料与经典内容整理。
查看原课程资料适合的起点
建议熟悉 Python、线性代数、概率与基础机器学习。
本系列为个人学习整理，非学校官方发布，不代表学校或授课教师的认可或背书。
沿着目录阅读
当前 20 篇课程讲义
- Lecture 01第 1 讲：NLP 简史与词向量（Introduction & Word Vectors）
- Lecture 02第 2 讲：词向量进阶——负采样、GloVe、评估与词义
- Lecture 03第 3 讲：神经网络基础与反向传播
- Lecture 04第 4 讲：依存句法分析
- Lecture 05第 5 讲：语言模型与循环神经网络
- Lecture 06第 6 讲：梯度消失、LSTM、seq2seq 与注意力
- Lecture 07第 7 讲：自注意力与 Transformer
- Lecture 08第 8 讲：深度学习实践方法与期末项目
- Lecture 09第 9 讲：预训练（规模、系统、数据）
- Lecture 10第 10 讲：后训练——SFT、RLHF、DPO
- Lecture 11第 11 讲：高效适配——提示与参数高效微调
- Lecture 12第 12 讲：智能体、工具使用与检索增强生成
- Lecture 13第 13 讲：基准测试与评估
- Lecture 14第 14 讲：推理 I——思维链与提示
- Lecture 15第 15 讲：推理 II——验证与测试时计算
- Lecture 16第 16 讲：分词与多语言
- Lecture 17第 17 讲：可解释性
- Lecture 18第 18 讲：多模态
- Lecture 19第 19 讲：NLP 的社会影响与开放问题
- Lecture 20第 20 讲（拓展）：默认期末项目实战——精简 GPT-2 与下游任务
从讲义到代码
按课程目录整理的配套示例，保留各单元的文件结构。阅读讲义时，可以下载整套代码，在本地逐步探索。
下载 CS224N 代码请在独立虚拟环境中查看依赖后运行；未附模型权重和运行产物；示例未逐一验证。