自然語言處理（NLP）旨在讓電腦理解、分析與產生人類語言，涵蓋文字前處理、詞向量、語言模型、序列標註、語意分析、生成式模型等多個面向。本課程將由淺入深，結合理論與實作，帶領學生： 熟悉自然語言的基本特性與常見挑戰（多義性、稀疏性、上下文依存等）。 掌握文字前處理（tokenization、stop words、stemming/lemmatization、詞頻/逆文件頻率等）與特徵提取技術。 了解詞向量（word embedding）與分布式表示（Word2Vec、GloVe、FastText）原理及實作。 學習統計與深度學習方法（RNN、LSTM、GRU、Transformer）在文字分類、序列標註、翻譯等任務上的應用。 熟悉目前主流預訓練語言模型（例如 BERT、GPT 等）的架構與微調（fine-tuning）流程。 具備撰寫簡易 NLP 專案（如情感分析、文本生成、對話系統）的能力，並能評估模型效能（Accuracy、Precision、Recall、F1-score、BLEU、ROUGE 等指標）。

待選