人工智能 自然语言处理专题：解读语言大模型的“内心独白”——以DeepSeek，ChatGPT为例探索对话生成模型的内部机制及其性能优化

作者：南星教育 来源：院校库 标签：大学排名

人工智能 自然语言处理专题：解读语言大模型的“内心独白”——以DeepSeek，ChatGPT为例探索对话生成模型的内部机制及其性能优化

开始日期: 2025-08-02

课时安排: 6周在线小组科研+5周论文指导

Prerequisites适合人群

适合年级 (Grade): 高中生/大学生

适合专业 (Major): 对人工智能、自然语言处理、深度学习、人机交互、语音识别、机器翻译等专业领域感兴趣的学生

建议具备Python基础（先导课）

中文授课英文ppt，建议具备较好的英文阅读基础

Instructor Introduction导师介绍

R老师

苏黎世联邦理工学院高级研究员

苏黎世联邦理工学院 QS专排欧洲Top3

R老师 高级研究员

苏黎世联邦理工学院 博士后

研究方向：动态网络分析、信息提取、自然语言处理及其在经济学、社会学、生物医学和文献计量学等领域的适用性

R老师现任苏黎世联邦理工学院Senior Scientific Staff（资深研究员），曾任卢塞恩应用科学与艺术大学（HSLU）讲师，研究成果发表在AAAI、CIDR、CIKM、ICCHP、ICDE、ICJNLP、ICLR、JURIX、KDD、NAACL、VLDB和《中国经济周刊》等重要国际会议和期刊上。

Program Background项目背景

在人工智能高速发展的时代，自然语言处理（NLP）作为连接人类语言与机器智能的核心技术，已成为推动社会数字化转型的重要驱动力。随着全球数据量的爆炸式增长，文本、语音等多模态语言数据的高效理解与生成需求日益迫切，NLP技术在智能客服、信息检索、机器翻译、情感分析等领域的广泛应用凸显了其战略价值。然而，语言本身具有复杂的语法结构、语义歧义性及动态演变的语用特征，使得NLP研究需融合计算机科学、语言学、数学与机器学习等多学科知识，以应对句法解析、词义消歧、语义建模等核心挑战。

Program Description项目介绍

本课程通过系统化整合NLP的理论框架与实践技术，旨在培养学生了解语音和文本处理技术所涉及的基本数学原理和关键计算方法和技术，掌握文本处理和操作的实践技能，能够初步解决学术研究、工程实践和企业实习中的相关问题，为应对全球化、多语言场景下的智能化需求提供关键技术支撑。

Syllabus项目大纲

NLP 和机器学习简介：与NLP相关的原理和技术；计算语言学概述和关键问题；机器学习和模式识别基础；Python 入门；

数学基础：概率论及其在NLP中的应用；信息论基础；与NLP相关的语言学基础；

语言模型和文本处理；统计语言模型；词义消歧；实用Python文本处理；

分类、文本挖掘和机器翻译：NLP 中的分类算法；计算语义相似性和信息检索；机器翻译；

高级机器学习技术：隐马尔可夫模型 (HMM) 及其在语音识别中的应用；神经网络和深度学习简介；递归神经网络（RNN）和长短期记忆（LSTM）网络；通过大型预训练语言模型进行自然语言处理的最新进展；

项目答辩与点评：学生项目汇报与答辩；导师点评与指导；神经网络和深度学习的最后思考

Program Outcome项目收获

6周【在线小组科研+全球就业力大师课】+5周论文指导，共126课时

1500字左右的项目报告

优秀学员获得主导师推荐信（8封网推）

项目结业证书

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导或者CNKI检索的英文普刊全文投递与发表指导

上一篇：科研推荐 | 生物学专题推荐，新加坡国立大学助理教授指导

下一篇：返回列表