返回资源列表

Stanford CS224N

Stanford CS224N:Natural Language Processing with Deep Learning(2026 冬)

学习自然语言处理中的神经网络、语言表示与建模。

打开官方课程
难度
中阶
形式
大学课程
语言
英文
规模
20 个课节
内容费用
免费
动手
需要动手环境

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「Stanford CS224N:Natural Language Processing with Deep Learning(2026 冬)」。课程目录是 cs224n-2026/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 20 节 · 官方顺序

  1. 01History of NLP
  2. 02Word Vectors
  3. 03Backpropagation and Neural Network Basics
  4. 04Language Models and RNNs
  5. 05Transformers
  6. 06Final Projects: Custom and Default; Practical Tips
  7. 07Pretraining (Scaling, Systems, Data)
  8. 08Post-training (RLHF, SFT, DPO)
  9. 09Efficient Adaptation (Prompting + PEFT)
  10. 10Agents, Tool Use, and RAG
  11. 11Hugging Face Transformers Tutorial Session
  12. 12Benchmarking and Evaluation
展开其余 8 节
  1. 13Reasoning 1
  2. 14Reasoning 2
  3. 15Guest Lecture: Tokenization and Multilinguality
  4. 16Guest Lecture: Interpretability
  5. 17Social and Broader Impacts of NLP (Risks)
  6. 18Guest Lecture: Multimodality
  7. 19Guest Lecture: Tinker and LoRA Without Regret
  8. 20Open Questions in NLP 2026

来源与使用须知

原始资源
Stanford CS224N 收录版本:2026 冬
收录时间
本站首次收录 2026-10-10

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。