第 1 讲
Aug 25 · 2026
课程介绍与总览
这一讲可以配合这些笔记阅读：
- 语言模型能帮我们做什么？ — 课程导览
- 作业、评分与课程安排 — 课程导览
第 2 讲
Aug 27 · 2026
n-gram 语言模型
这一讲可以配合这些笔记阅读：
- 语言模型能帮我们做什么？ — 课程导览
- 作业、评分与课程安排 — 课程导览
- 语言模型怎样计算句子的概率？ — 第一部分 · 预测下一个词
- 怎样用前几个词预测下一个词？ — 第一部分 · 预测下一个词
- 怎样判断预测得好不好？ — 第一部分 · 预测下一个词
- 怎样生成句子，又怎样处理没见过的词？ — 第一部分 · 预测下一个词
第 3 讲
Sep 1 · 2026
n-gram 平滑与逻辑回归
这一讲可以配合这些笔记阅读：
- 作业、评分与课程安排 — 课程导览
- 语言模型怎样计算句子的概率？ — 第一部分 · 预测下一个词
- 怎样用前几个词预测下一个词？ — 第一部分 · 预测下一个词
- 怎样判断预测得好不好？ — 第一部分 · 预测下一个词
- 怎样生成句子，又怎样处理没见过的词？ — 第一部分 · 预测下一个词
- 给没见过的搭配留一点可能性 — 第一部分 · 预测下一个词
- 怎样把文本变成模型能用的数据？ — 第二部分 · 学习给文本分类
- 怎样预测一条评论是好评还是差评？ — 第二部分 · 学习给文本分类
第 4 讲
Sep 3 · 2026
逻辑回归（续）
这一讲可以配合这些笔记阅读：
- 作业、评分与课程安排 — 课程导览
- 给没见过的搭配留一点可能性 — 第一部分 · 预测下一个词
- 怎样把文本变成模型能用的数据？ — 第二部分 · 学习给文本分类
- 怎样预测一条评论是好评还是差评？ — 第二部分 · 学习给文本分类
- 模型怎样从错误中一点点改进？ — 第二部分 · 学习给文本分类
- 怎样避免模型只记住练过的题？ — 第二部分 · 学习给文本分类
第 5 讲
Sep 8 · 2026
多分类逻辑回归与词向量
这一讲可以配合这些笔记阅读：
- 作业、评分与课程安排 — 课程导览
- 怎样预测一条评论是好评还是差评？ — 第二部分 · 学习给文本分类
- 模型怎样从错误中一点点改进？ — 第二部分 · 学习给文本分类
- 怎样避免模型只记住练过的题？ — 第二部分 · 学习给文本分类
- 不止两个选项时，模型怎样分类？ — 第二部分 · 学习给文本分类
- 怎样用一组数字表示词义？ — 第三部分 · 用数字表示词义
第 6 讲
Sep 10 · 2026
词向量（续）
这一讲可以配合这些笔记阅读：
- 作业、评分与课程安排 — 课程导览
- 不止两个选项时，模型怎样分类？ — 第二部分 · 学习给文本分类
- 怎样用一组数字表示词义？ — 第三部分 · 用数字表示词义
- 怎样从词语出现的次数得到词向量？ — 第三部分 · 用数字表示词义
第 7 讲
Sep 15 · 2026
稠密词向量与前馈神经网络
这一讲可以配合这些笔记阅读：
- 作业、评分与课程安排 — 课程导览
- 怎样用一组数字表示词义？ — 第三部分 · 用数字表示词义
- 怎样从词语出现的次数得到词向量？ — 第三部分 · 用数字表示词义
- word2vec：靠预测学出词向量 — 第三部分 · 用数字表示词义
- GloVe、相似度，以及词向量学到了什么 — 第三部分 · 用数字表示词义
- 从逻辑回归到神经网络 — 第四部分 · 神经网络
各讲阅读材料（Jurafsky & Martin 第 3 版）：Lec 2 → 第 3 章（n-gram 模型）。Lec 3 → 第 3 章与第 5 章。Lec 4 → 第 5 章（逻辑回归）。Lec 5–6 → 第 6 章（向量语义与词向量）。Lec 6 另有 word2vec Explained。Lec 7 → 第 7 章（神经网络）。阅读链接见课程日程。