此课程是软件工程专业公共选修课（专业公共选修指专业选修中不属于三个方向的选修课），课程讲授自然语言处理和深度神经网络等基础知识，主要内容包括概述、数学基础、形式语言与自动机及其在 NLP 中的应用、语料库与语言知识库、语言模型、词法分析与词性标注、语法理论、句法分析、语义分析、深度学习和 NLP、深度学习基础、卷积神经网络、深度学习与自然语言处理等。
课程内容、考试内容和其他专业同名课程略有不同。
8 周授课，无平时作业，无签到，有 4 次实验，在 飞桨 AI Studio 平台完成，内容分别为波士顿房价预测、谣言检测、循环神经网络应用和 CRNN 文字识别模型。实验内容比较简单，设置实验的目的也是让大家对机器学习、深度学习等主流技术有更直观的了解，培养学生的兴趣。
21222 学期由于疫情原因，课程全程线上进行，有回放。
- 形式：开卷、中文、允许携带可以计算对数的计算器
- 时间：2 小时
- 题型：大题
2019 级考试题目：
一、
- 熵相关计算（H(X)、H(X|Y)、I(X;Y)）
- D(p||q) 计算
- P、R、F1 计算
二、
- 编辑距离
- 合一运算
- 格框架
三、
- (1) 自动分词的最大匹配法；(2) 自动分词的最少分词法（最短路径法）
- 概率上下文无关文法，比较两棵句法分析树的概率
- 二元文法模型求句子的概率，数据平滑
- TF-IDF
- (1) NLP 技术应用举例；(2) 为什么近十年机器学习技术爆发
4 次实验 + 期末考试
课程内容围绕自然语言处理这一核心，全面地介绍了 NLP 相关的基础知识和基本理论，在课程的最后也加入了对深度学习、神经网络等内容的介绍和讲解。课程整体内容不难，虽然有很多比较复杂、晦涩、深奥的知识，但听了潘老师的讲授之后应该都会理解。
潘老师是我很敬佩的老师，他曾经讲授的《面向对象程序设计》和这门《自然语言处理导论》都给我留下了很深的印象。老师讲课十分关心同学们的感受，虽然线上授课无法相见，但我仍能感受到潘老师对学生的热情和对知识的融会贯通。
十分推荐大家选这门课hhh
开卷考试，允许携带打印的纸质版课件（期末考试前老师会发布精简版的课件，为考试范围）。个人建议期末复习时根据课程回放理解课件内容，记清楚每个重点知识在哪个课件的哪个位置，这样会提高考试时查阅资料的速度。本课程由于开卷考试，不需要记忆太多内容，所以课程重点是理解自然语言处理的基础知识和基本理论，有更加直观的感受。