1. 课堂授课；

2. 课下作业练习；

3. 课程设计项目；

通过本课程的学习，希望学生能达到以下学习目标及要求： 1. 使学生掌握自然语言处理的基本概念、基本原理、基本模型和算法，例如词法分析、句法分析、语义分析、文本分类聚类、情感分析、机器翻译、对话系统、自动写作等模型和算法。 2. 能动手使用 Python 语言并结合GPU实现统计自然语言处理及深度学习自然语言处理的常用模型和算法。 3. 通过理论和实践的紧密结合，使学生有效地运用所学知识和方法解决实际问题，为研究新的自然语言处理理论和方法打下基础。

1. 考试形式：考查；

2. 成绩构成：平时成绩:40%; 期末成绩:60%

1. 张奇《自然语言处理导论》•https://intro-nlp.github.io

2. 张奇《大规模语言模型：从理论到实践》•https://intro-llm.github.io
   

3. 刘挺等《自然语言处理》，高等教育出版社

4. 宗成庆《统计自然语言处理》，清华大学出版社

5. 李航《统计学习方法》，清华大学出版社

6. Foundations ofStatistical Natural Language Processing. Chris Manning and Hinrich Schütze. MITPress. Cambridge, MA:May 1999.

7. Speech and Language Processing (3rd ed. draft) Dan Jurafsky and James H.Martin