高级自然语言处理

并不怎么语言学的nlp，不过好在目前nlp也基本不管语言学。好处是跟前沿结果跟得比较紧，至少学完这门课的时候，你收获的知识还没有脱节。

老师对于nlp大多数基础问题了解彻底，如果想走这个方向但是是小白，问就完了，能给你讲懂。前沿的问题就不用期待解答，可以期待探讨，这一点上大家起点都是一样的。

不建议有基础的人选这门课，上课80%内容还是基础，没必要为了20%的前沿去花两节课时间上课，不如花给读论文。又比如写报告的时候，你觉得理所当然、没必要写上去的东西（比如怎么用hf model，怎么用peft），助教会因为你没写而扣分，因为助教是默认大家都不会，所以要求你写详细，你没写那就是你不会，抱歉，扣你分了，哪怕你报告的内容足够彰显你真的全会。

课程的覆盖的内容很广 如果把它看作一门导论课来学会make sense很多 

前两周主要介绍一些nlp的历史和背景 后来就是word embedding/transformers/pretraining/fine tuning/alignment/data sythesis/information retrieval以及一些agent和多模态的内容

陈老师会在ppt里会插一些比较新的论文里的内容 不过大部分都是一笔带过 想全弄明白需要画挺多时间的 但不妨碍即使纯听课也可以在这门课上有很多收获的

成绩结构：40% assignments/25% project/5% pre/30% finals

给分还是蛮好的 作业/project/pre 三大块儿70分好好做大概能拿个68 69 目测这门课A率远高于系里本科课程平均水平

课程覆盖的东西还是比较广的，感觉算是把大模型八股相关的内容过了一遍，期末复习复习的挺痛苦，考的英文卷子，看到简答题有点两眼一黑（真就只压中了几个），但是平时分给的真的很高，期末只考了八十多也干到A了。

东西我觉得还是学到了不少，但是感觉有些作业的难度其实是不低的。尤其是最后的Project，你想做精细一点就很多东西要做，不过好像最后给分给的很宽松，应该很多人的都给满了。就是这个课肯定得课后花时间，能学到东西，期末也算能速成吧，但是确实不太推荐基本没有什么Python或者机器学习深度学习基础的同学选。

老师答疑这块还是相当认真的，这个确实得给个好评，但是事情相对也比较多。

陈老师在答疑这块没得说，对教学也非常负责，就是无论是上课还是找他科研，你都免不了要做ppt，感觉他对ppt有特别的喜好…

外系选的anlp，不懂这门课为什么会放在统计与数科系，cgh的研究方向和数据分析有些关系，但课程内容就是纯几节传统nlp和intro to LLM，感觉CSE打头合理些…

LLM的部分也只是粗略介绍了下近些年的工作，因为只有理论课，代码部分都是当成拓展内容靠自己看，作业涉及的也少。本人期末缓考了，但看平时分给的还是不错的，project疑似完整做完就给满（25%），且cgh在考虑减少期末的比例（原30%），四次作业40%平均每次也能拿到9+/10，非常奈斯。不过，作为一门伪计系的课，还是建议想转码且想在风口蹭口饭吃的同学来选。