Ratings & Reviews
4.4
/5
5 人评分
5
34
23
2
1
课程质量
作业用时
考核难度
给分情况
排序和筛选
其他 (0)
屠可伟 (5)
初学感觉是好课，回头看看发现是神课。
2025 年 春学期
屠可伟
这篇评价源自 2026 年春学期，本人因为要保研申请，因此再次回来翻看屠老师的课件。现在作为一个已经在这个领域探索一年的同学，回头看来发现这门课的课程设计逻辑，从最传统的 NLP，到现在的大模型，循序渐进，深入浅出，每一个知识点的讲解都十分清晰，目的十分明确，没有任何废话。当时修读这门课的时候，刚入门 NLP，很多课件上的东西，对我来说都是全新的，修读完这门课，只掌握了 nlp 中最重点的内容，而一些其他内容并没有完全理解，但是做到这样的程度，考试已经可以拿到 A/A + 了。
现在回头看看，发现课件中提到的技术，很多都是业界最新的，很前沿的（在当时），这些知识覆盖了很多领域，传统机器学习，深度学习，强化学习等等。并且课上提到的这些东西，都是非常自然的，屠老师把这些知识的讲解变得很 intuitively。绝不像某些课程（这里就不点名了），为了介绍机器学习，深度学习而去介绍相关内容，然后用一些还不如直接去听 GPT 讲解的语言，草草带过。这样对于不了解这些知识的同学，听完也没理解，对于已经了解这些知识的同学，也没有提供一个新的视角看待这些知识，也纯粹是浪费时间。但是屠老师上课提到的 nlp 中用到的一些算法（比如 EM 算法，强化学习 DPO,PPO，这几个尤为深刻），对于不知道这些算法的同学，屠老师上课讲完能给你一个入门思考，即便你上完课没听懂具体的算法细节，也知道这些算法大概做了什么事情，为什么要用这些算法。对于已经知道的同学，能给你新的视角，这里为什么特别适合用这些算法，用这些算法的时候，在 nlp 这个场景下原模型中的一些抽象变量分别具体是什么。
总之，不禁感叹屠老师在讲解知识方面是一位很厉害的教授，能把自己 / 业界的研究在课堂上清晰的讲出来，让同学们也能理解。
匿名用户
从今年风口到传统的NLP再到纯语言学全都涵盖
2025 年 春学期
屠可伟
建议人群：对 LLM 有非常大的研究兴趣（而不是只想蹭热度的），且对语言学 / 计算语言学 / 传统 NLP 也有兴趣的同学；初学者需要更多（因为今年的热度所以可能比以前还多）的精力来卷绩点
没有什么可以多说的，在内容上基本上是完美的课程，可以参照其他的评论。没有讲到的部分屠老师甚至都会在最后提一下，相当于所有的知识 / 相关子领域都 cue 到了，着重讲了一部分。提一些建议：RL Alignment / Interpretability 可以增加一点，不过这可能会以其他部分为代价，因为这门课的内容已经很多了，感觉都可以拆成 n 门课（虽然这会导致很多人只选 LLM 课吧……）
上课时间从早八挪到了现在的下午一点，对早八起不来的也友好了。
匿名用户
非常好的课程
2024 年 春学期
屠可伟
课程内容
上来会先讲基础的文本处理，然后会讲语言模型以及大语言模型
后面主要讲自然语言处理的主要任务和一些传统的方法（非神经网络）
中间有一次客座讲座，关于大语言模型，还有几节课讲论文，主要是屠老师组内的工作（当然这些不考）
匿名用户
好课，好老师
2022 年 春学期
屠可伟
首先评价一下屠老师，屠老师上课是稍微有点严肃认真的（但其实是风趣幽默且平易近人的），但是屠老师的 PPT 和讲解确实是信息学院少有的非常清晰、认真且节奏合适的（我个人只有在 attention 的部分稍微有一点跟不上节奏）
课程内容涵盖众多，非常适合 NLP 的初学者（个别部分稍稍有点难，但问题不大）但是 2022 年的内容涵盖了比较多的统计学 NLP（感觉是屠老师个人的喜好），看到 23 年会多加入一些 Deep Learning methods。
作业和 project 的 workload 算是非常小且友好了（虽然感觉很多研究生课作业都很少😂）
匿名用户
非常好的一门NLP入门课
2022 年 春学期
屠可伟
新课。Lecture 真的非常充实，屠老师真的巨良心，超好。课程主要是平时 bb 平台上的 writing assignment， 期中（因为疫情取消），期末和 final project（可以组团搞 proj 或者自己写两道编程题）。平时作业难度不大，期末题量挺大（主要是菜），给分还算客气。主要是能学到很多 NLP 的知识，包括很多非常 state-of-the-art 的新进展，强烈推荐。