【第1阶段】：深度学习阶段
【监督方式】：强监督
「第1章」：深度学习基础篇
课程名称：【20379】【深度学习-【2020版】【深版】「NLP-解锁式学习」】
课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解
---考核---（可选择，联系教务老师）
【第2阶段】：自然语言处理阶段
【监督方式】：强监督
「第2章」：NLP理论进阶篇
课程名称：【3014】【2、NLP人工智能（第二部分）---自然语言处理进阶「解锁式学习」】
课程内容：自然语言处理与深度学习的一些知识点的学习。
---考核---（可选择，联系教务老师）
「第3章」：NLP理论进阶篇
课程名称：【3024】【3、NLP人工智能（第三部分）---深度学习Bert进阶「解锁式学习」】
课程内容：深度学习中的文本匹配以及语料库的匹配等自然语言处理结合的课程。
---考核---（可选择，联系教务老师）
「第4章」：NLP理论进阶篇
课程名称：【27794】【NLP实战高手课「解锁式学习 」】
课程内容：该课程主要讲解NLP的基本任务和研究方向、智能问答系统、文本校验系统、深度学习框架GPU、AI部署、神经网络基础（RNN，CNN，Embedding、Pytorch基础）、文本分类实践、半自动特征构建方式、降纬方法、集成模型、神经网络建模、Transformer、时序建模、xDeepFM、图网络、模型融合、深度迁移学习模型、优化器、训练语言模型、长文本分类、依存分析、Tranx、ASDL和AST、wikiSQL、Q-learning、AutoML、算法结合、多模态表示学习、知识蒸馏、K8S部署等等自然语言处理知识
---考核---（可选择，联系教务老师）
「第6章」：NLP项目篇
课程名称：【30322】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「解锁式学习」】
课程内容：该课程主要实现了NLP的一个整体的项目，讲解了项目导论与中文词向量实践、基于Seq2Seq架构的模型搭建、NLG过程的优化与项目的inference、OOV和Word-repetition问题的改进、基于Transformer特征提取器的改进、BERT在抽取任务中的效果、预训练模型在摘要任务中的改进、项目总结与回顾等知识点
---考核---（可选择，联系教务老师）
「第10章」：NLP项目篇
课程名称：【30415】【3、（2022）NLP项目集合「解锁式学习」】
课程内容：该课程讲解了自然语言处理中的图书分类项目、基于Seq2Seq的文本生成、基于Seq2Seq的机器翻译系统、Named Entity Recognition项目、Pointer NetWork以及Beam Search项目、智能营销项目营销文案生成论文、文本领域中的数据增强技术、NLP Lecture 话系统中的核心、检索模型等知识点的讲解
---考核---（可选择，联系教务老师）
「第11章」：NLP项目篇
课程名称：【30416】【4、（2022）Transformer和预训练模型阶段「解锁式学习」】
课程内容：该课程主要讲解了自注意力机制以及Transformer、Teansformer的代码实现、基于Transformer的闲聊引擎、BERT中的Fine-tuning实例讲解、XLNet、ALBERT的应用、以及XLNet论文讲解。
---考核---（可选择，联系教务老师）