TellerU 官方课 · 核心原理 · 零基础
自然语言处理入门：让机器读懂人话
翻译、搜索、聊天机器人背后的语言技术
你将从生活里每天都在发生的‘机器读人话’场景出发，掌握 NLP 的典型任务、语言难懂的原因、文本变数字的基本思路与从规则到 Transformer 的演进脉络，产出 1 本《我的 NLP 场景观察手册》与 1 张《NLP 技术演进时间线海报》。
- 📚 3 个单元 · 9 节课
- ⏱ 约 4 小时
- 🧑🏫 AI 老师白板讲解 + 随堂练习
适合谁学
零基础学习者（无编程与数学要求，第一次系统了解 AI）
课程目录
第 1 单元：机器读人话：NLP 到底在做什么
学习目标：用生活化类比认识自然语言处理是什么、它在我们一天中出现在哪些地方，并分清分类、情感分析、翻译、问答、摘要这几类典型任务。本单元为课程项目产出‘场景采集’部分：记录 3 个亲身遇到的 NLP 场景并判断其任务类型。
身边的眼睛：你一天里被 NLP 服务了多少次
你将从早晨的语音助手到深夜的评论筛选出发，掌握‘NLP 就是让机器处理人类语言’这一核心认识，产出 3 张生活场景采集卡。
- 身边的眼睛：你一天里被 NLP 服务了多少次（综合）（约 28 分钟）
任务家族：机器读人话的五种基本动作
你将从‘把一句话分门别类、读出情绪、换成另一种语言、回答问题、压缩成短版’这些日常动作出发，掌握五类典型 NLP 任务的区别，产出场景卡上的任务归类。
- 分类与情感分析：一条差评是怎么被机器一眼看出来的？（约 26 分钟）
- 翻译、问答与摘要：机器‘换说法、答问题、抓重点’靠的是同一种本事吗？（约 26 分钟）
第 2 单元：语言为什么难：机器眼里的‘人话’有多坑
学习目标：理解人类语言为什么对机器格外困难——歧义、多义、上下文、反讽与常识，这些坑决定了 NLP 任务为什么难。本单元为课程项目产出‘难点标注’部分：为已采集的每个场景写清机器难在哪。
坑在哪里：一句话为什么能有好几种意思
你将从‘我去取钱’‘苹果很好吃’这类日常句子出发，掌握歧义、多义与上下文是机器读人话的第一道坎，产出 2 条真实歧义案例。
- 歧义与上下文：同一句话，你和机器理解的是同一个意思吗？（约 26 分钟）
- 反讽与省略：为什么‘这手机真棒’配一星评价，机器会读错？（约 25 分钟）
难在哪儿：语言一直在变
你将从网络新词、梗和省略句出发，掌握语言难点为何让 NLP 任务长期‘看起来简单做起来难’，产出场景卡上的难点说明。
- 新词与梗：为什么机器总比人慢半拍？（约 26 分钟）
第 3 单元：从文字到数字：机器怎么‘读’一句话
学习目标：理解计算机只能处理数字，因此文本要先分词、再变成词向量这样的数字表示；并沿规则方法、统计方法到 Transformer 的路线看清技术演进。本单元为课程项目产出‘原理图解与时间线’部分：完成手册收尾与演进时间线海报。
拆句子：机器读文本的第一步是‘切’
你将从‘把一句话切成词’这件小事出发，掌握分词的作用、中文分词的难处以及词向量为何让相近的词靠得更近，产出图解页的分词与数字表示部分。
- 分词与词向量：机器读中文，为什么要先‘断句’再把‘猫’和‘狗’放得近？（约 26 分钟）
进化路：从手写规则到 Transformer 的四级跳
你将从早期人工写规则、到统计学习、再到神经网络与 Transformer 的演进出发，掌握每个阶段解决了前一阶段的什么痛点，产出演进时间线海报。
- 规则与统计：早期机器读人话为什么又笨又慢？（约 28 分钟）
- Transformer 与手册收尾：今天的大模型凭什么读懂长句子，你又该怎么把手册讲给别人听？（约 28 分钟）
在 TellerU 怎么学这门课
- AI 老师在白板上边讲边画，一节课讲透 3 个知识点；
- 讲到的结论都标注出处，点一下就能核对原文；
- 每节有随堂快测和练习，系统按你的掌握度安排复习；
- 听不懂随时提问，老师按你的进度换个讲法再讲一遍。