# Stanford CS224N：基于深度学习的自然语言处理（2026 冬）

- 原标题：Stanford CS224N：Natural Language Processing with Deep Learning（2026 冬）
- 类型：课程
- 来源：Stanford 课程官网
- 学期：2026 冬
- 首次精选：2026-10-29 23:09
- 分级：必读
- 学习层级：进阶
- 主题：[neural-model-foundations](<https://oplearnx.com/md/topics/neural-model-foundations.md>)（第 18 位）、[ai-literacy](<https://oplearnx.com/md/topics/ai-literacy.md>)（第 19 位）
- 原文链接：[https://web.stanford.edu/class/cs224n](<https://web.stanford.edu/class/cs224n>)
- 本站页面：[https://oplearnx.com/resources/pk\_73e197668c96](<https://oplearnx.com/resources/pk_73e197668c96>)

## 摘要

斯坦福大学 2026 年冬季 CS224N《Natural Language Processing with Deep Learning》课程网站，授课教师为 Diyi Yang 与 Yejin Choi，并列出课程管理人员和助教名单。课程介绍称近年深度学习方法在许多 NLP 任务上取得很高表现，学生将获得对前沿 NLP 神经网络的系统入门。讲座为太平洋时间周二、周四 16:30–17:50，在 NVIDIA Auditorium 举行并通过 Canvas 上的 Panopto 直播；选修学生的录播需登录 Canvas，非选修者无法观看，但 2024 年版完整课程视频在 YouTube 免费公开。

## 概览

- 难度：进阶
- 语言：英文
- 费用：部分免费
- 动手：4 次作业 · 期末项目

## 学完你能

- 理解 NLP 的基本问题与深度学习在该领域的应用背景
- 掌握词向量、反向传播与神经网络基础
- 理解并实现自注意力与 Transformer 结构
- 在大语言模型上完成基准测试与评估
- 用 PyTorch 设计、实现并理解自己的神经网络模型
- 完成一个涉及人类语言与深度学习的期末项目并撰写报告

## 适合你吗

- 适合：具备 Python 编程能力、想系统学习 NLP 深度学习的学生
- 适合：学过微积分、线性代数、概率统计与机器学习基础的人
- 适合：希望用 PyTorch 动手实现模型并做完整项目的人
- 暂不适合：没有编程基础或不愿写代码的人
- 暂不适合：缺少微积分、线性代数与概率统计基础的人
- 暂不适合：只想看视频、不打算做作业与项目的人
- 需要先会：需要熟练使用 Python（含 NumPy、PyTorch），并具备大学微积分与线性代数、基础概率统计和机器学习基础。

## 课程特点

- 内容侧重：以神经网络方法处理 NLP，兼顾深度学习基础与大语言模型前沿研究，并用 PyTorch 实现。
- 练习与项目：4 次每周作业（含书面题与编程题，分别占 6%、14%、14%、14%）；期末项目可选默认项目（实现 GPT-2 部分结构并用于 3 个下游任务）或自定义项目，提交提案、里程碑、海报与报告；另有参与分（嘉宾讲座、问卷、Ed 讨论等）。
- 投入时间：每周二、周四 16:30–17:50（太平洋时间）授课；第 1 周另有 Python 复习课 1:30–2:50。
- 费用说明：2024 年完整讲课视频在 YouTube 免费公开，课件与作业在线更新；注册学生视频需登录 Canvas。XCS224N 专业项目版需中等费用并含证书，通过 Stanford Online 选修 CS224N 费用较高且名额有限，可获学分。

## 内容覆盖

- NLP 的历史
- 词向量
- Python 复习课
- 反向传播与神经网络基础
- 语言模型与 RNN

## 课程各讲

- [视频合集](<https://www.youtube.com/playlist?list=PLoROMvodv4rOaMFbaqxPDoLWjDaRAdP9D>)

---
来源：LearnMap · 学径（https://oplearnx.com）