1 课程基本信息

2 课程简介

本课程是产业工程类课程，课程以华为昇腾MindSpore框架为基础，结合企业应用案例，讲述自然语言处理原理及关键技术，基于昇腾MindSpore框架开展包括计算机视觉和自然语言处理领域的应用实践，培养学生运用MindSpore完成人工智能领域常见任务的实践能力，课程输出目标对标人工智能算法工程师、深度学习工程师、自然语言处理算法工程师等岗位。

3 先修课程要求和能力要求

先修课程：高等数学、概率论与数理统计

能力要求：学生具备基本的Python编程能力

选课和遴选方式：自愿选课

4 课程目标和考核方案

  4.1 课程输出目标

PANLPA-1：理解自然语言处理基本概念，能够描述自然语言处理的应用领域、基本任务和挑战；

PANLPA-2：能够描述并应用自然语言处理的关键技术，包括词向量、文本分类、序列标注、语言模型、序列到序列与注意力机制等；

PANLPA-3：能够描述并应用MindSpore中的NLP模型相关组件，包括循环神经网络层、嵌入层、机器翻译指标等；

PANLPA-4：能够使用MindSpore搭建NLP模型，完成文本分类、机器翻译、文本生成、自动问答等自然语言处理任务；

课程思政目标：在培养学生在人工智能领域的创新和实践能力的同时，弘扬国产化精神，鼓励自主研发，引导学生了解和认识中国人工智能产业的发展现状和前景，培养学生的民族自豪感和爱国情怀，为中国人工智能产业的自主创新和发展做出贡献。

  4.2 课程考核方案

本课程考核平时成绩占40%、结课考试占60%。其中平时成绩为实验考核。

5 课堂教学内容

（1）自然语言处理概述（2学时）

内容说明：自然语言处理基本概念、应用领域、基本任务及难点，大模型发展趋势和挑战

（2）自然语言处理关键技术（4学时）

内容说明：词向量，文本分类深度学习方法，序列标注深度学习算法，语言模型，序列到序列与注意力机制

（3）MindSpore自然语言处理组件（2学时）

内容说明： MindSpore中的NLP模型组件，MindSpore开发流程

（4）基于MindSpore的自然语言处理实践（8学时）

内容说明：基于MindSpore的RNN情感分类实验，基于MindSpore的中英机器翻译实验，基于MindSpore的BERT藏头诗生成实验，基于MindSpore的BERT阅读理解问答实验

6 实验/实践教学任务

本课程设置了16学时实验，均为必修内容，实验内容如下：

7 其他需要说明的问题

学生修读完本课程，学生可以报名以下证书考试和学科竞赛。