├── 第1章 课程介绍
│ ├── 1-1 课程目标
│ ├── 1-2 学习NLP对你有什么帮助
│ ├── 1-3 课程重难点
│ └── 1-4 学习建议
├── 第2章 语言学与自然语言处理
│ ├── 2-1 本章导学
│ ├── …
│ ├── 2-3 踏上NLP之旅：什么是自然语言
│ ├── …
│ ├── 2-5 自然语言处理能解决哪些问题
│ ├── …
│ ├── 2-7 自然语言处理学习路径
│ └── …
├── 第3章 从数学原理到机器学习
│ ├── 3-1 本章导学
│ ├── 3-2 现代自然语言处理的基石-概率论知识介绍
│ ├── 3-3 概率论基础：贝叶斯和信息理论
│ ├── …
│ ├── 3-8 从已知结果中学习未知问题-分类和回归
│ ├── …
│ ├── 3-13 中文处理的第一个难题：分词
│ ├── 3-14 词语的处理：独热编码和词嵌入表示
│ └── …
├── 第4章 由简单单元构建复杂神经网络
│ ├── 4-1 本章导学
│ ├── 4-2 搭积木式的组合变换-激活函数和神经网络思想
│ ├── 4-3 神经网络的演进：梯度与反向传播
│ ├── …
│ ├── 4-7 构建线性模型解决温度计示数转换问题
│ ├── …
│ └── 4-9 使用深度学习模型解决温度计示数问题（二）
├── 第5章 如何用机器学习能力解决自然语言处理问题
│ ├── 5-1 本章导学
│ ├── 5-2 文本预处理魔法：分词、停用词和特殊字符消失术
│ ├── …
│ ├── 5-5 改变NLP宇宙的词嵌入技术，word2vec让文本也可以互相运算
│ ├── …
│ ├── 5-9 注意力机制，让模型能够关注重要内容，Attention is all your need
│ ├── 5-10 读懂微调 （finetune），通过小成本改变让模型具备强大的专业能力
│ ├── …
│ └── 5-14 NLP常用工具介绍，如何站在巨人的肩膀上快速开始我们的工作-anaconda、NLTK、jieba、gensim、scikit-learn
├── 第6章 互联网公司如何搭建内容理解体系
│ ├── 6-1 本章导学
│ ├── 6-2 互联网公司为什么要做内容理解工作
│ ├── 6-3 自然语言处理如何在内容理解体系中发挥作用（一）
│ ├── …
│ ├── 6-5 新闻APP标准文本如何面向推荐系统构建内容理解体系（一）
│ ├── …
│ ├── 6-9 内容理解在点评UGC场景下辅助风险控制（一）
│ ├── …
│ ├── 6-11 京东电商下的内容理解与智能创意（一）
│ └── …
├── 第7章 文本相似度检测在内容理解体系中的应用
│ ├── 7-1 本章导学
│ ├── 7-2 文本相似度检测的类型：长文本短文本、词语句子段落、字符级语义级
│ ├── …
│ ├── 7-6 使用SIMHASH算法实现海量长文本的相似度计算
│ ├── 7-7 使用word2vec解决语义级别的短文本相似问题
│ └── …
├── 第8章 实体识别在内容理解体系中的应用
│ ├── 8-1 本章导学
│ ├── 8-2 实体识别能够帮助我们解决哪些问题
│ ├── …
│ ├── 8-5 了解序列建模的基本模型：循环神经网络（RNN）在自然语言处理中如何发挥作用
│ ├── 8-6 延长网络的记忆，长短时记忆网络（LSTM）都对RNN做了哪些改进
│ ├── 8-7 从规则到概率，条件随机场CRF算法帮助网络模型认识一般规律
│ └── …
├── 第9章 文本分类任务在内容理解体系中的应用
│ ├── 9-1 本章导学
│ ├── 9-2 内容理解中应用最广泛的文本分类有哪些类型
│ ├── 9-3 如何在内容理解体系搭建中借助文本分类的力量
│ ├── …
│ ├── 9-9 动手实践：使用word2vec为数据集构建词向量，并根据词向量寻找相似词
│ ├── 9-10 使用基于word2vec的fasttext工具来解决文本分类的问题
│ ├── 9-11 Transformer的衍生品BERT模型如何应用于文本分类
│ └── …
├── 第10章 文本提取或生成任务实战
│ ├── 10-1 本章导学.
│ ├── 10-2 文本提取与文本生成能够为我们提供哪些能力.
│ ├── …
│ ├── 10-5 永恒的智慧：探索很老但有用的TFIDF提取技术
│ ├── 10-6 从文本到链接：谷歌的TextRank算法如何改变搜索世界
│ ├── 10-7 GPT1模型-初代生成式预训练模型，智障但是开创了一个新的方向
│ ├── 10-8 GPT2模型-更强大的生成式预训练模型，开始具备工业上的可用性
│ ├── …
│ ├── 10-11 InstructGPT在GPT3的基础上做的三大改进点-ChatGPT的原理1
│ ├── …
│ ├── 10-17 动手实践：使用GPT2自动生成引人入胜的文本标题
│ └── …
└── 第11章 NLP未来展望与课程总结
├── 11-1 内容理解与NLP实战课程回顾
├── 11-2 大模型时代的AI价值对齐
├── 11-3 NLP大模型未来展望
├── …
└── 11-6 课程结束语-这是结束，也是开始
