自然语言处理 · 修读回执档案

孩子们快跑！！！这不是选课，这是火灾演习，警报都拉响了还在犹豫什么

课程内容：半学期传统自然语言处理和相关基础（比如向量化等），半学期大模型 上课自由度：比较高，不过一学期有三四次随机点名，躲得过初一躲不过随机数。 考核标准：两份代码填空小作业，两份大作业分别是小模型微调和写 RAG 系统，都是不难的工程问题，给分超级好，属于是给分点了个大补血。 授课质量：几个不同老师轮番讲，当通识听对增进理解很有帮助，不掉血还涨经验。

课程内容：前半学期还在给你盘传统NLP的老祖宗家法，后半学期直接一脚油门踹进大模型时代，外加专家讲座空降砸场。 上课自由度：比较高，签到稀得跟过年才响一次的鞭炮似的，就这还只占总成绩5%。 考核标准：作业加签到合砍40分，大作业单拎出来60分。平时作业和大作业都是那种送分童子级别的简单，尤其在有AI当外挂的情况下，所以分数也跟开了挂一样高。 授课质量：知识收获很大，分数收获更是大得离谱。

课程内容：传统自然语言处理和预训练语言模型 上课自由度：高，基本上你人在地球就能上课 考核标准：3次小作业+1次大作业+考勤+课堂互动 授课质量：**事少分高、惊喜助教**，主打一个不折腾你还能给你塞糖

良心，属于是选课界的一股清流，甚至可以怀疑是不是系统出bug了

课程内容： 经典nlp算法+深度学习那一挂算法 上课自由度： 高，躺平型自由 考核标准： 小作业+大作业（比例薛定谔，谁也不确定） 授课质量： 凑合吧，不过底下也没几个人真在听；第一次小作业（ngram模型）恶心得能把人劝退，后面几次倒是温和不少，没有期末考试必须点个大大的赞

第一次作业体验 -1 🌟 （作业说明写给外星人的，模板代码杂乱得像被猫踩过的键盘） <br/> 后面的作业还行，大作业对没有深度学习经验的人或许有点门槛。（zan就是说 照着推荐学期选课，本来压根碰不到深度学习，我从不知道 Perceptron 是什么东东到把大作业交出去，总共也就两个月）。 <br/> 不过感觉大作业给分还是比较宽松的。 <br/> 教学质量：Speech and Language Processing 自学吧