参考文献[2]是对参考文献[3]的中文翻译，课程总共包括几个章节：词嵌入，文本分类，语言模型，序列到序列与注意力机制，迁移学习，领域自适应，模型部署、压缩和加速，大语言模型及启发。
一.词嵌入
词嵌入是一种可以输入模型的词语表示。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/word_embeddings.html

二.文本分类
文本分类即文本的分类模型，比如邮件垃圾过滤、文档分类、审查分类等。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/text_classification.html

三.语言模型
语言模型（Language Models, LMs）估计不同的语言单位的概率，如符号，token和token序列。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/language_modeling.html

四.序列到序列与注意力机制
编码器-解码器是序列到序列任务的标准建模范式。这个框架由两部分组成：编码器：读取源序列并产生其表示；解码器：使用来自编码器的源表示，生成目标序列。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/seq2seq_and_attention.html

五.迁移学习
迁移学习的一般思想是将知识从一个任务/模型转移到另一个任务/模型。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/transfer_learning.html

补充资料-卷积网络：
主要是如何通过卷积神经网络来处理文本数据。链接：https://mlnlp-world.github.io/NLP-Course-Chinese/nlp_course/models/convolutional.html

参考文献：
[1]MLNLP-World/NLP-Course-Chinese：https://github.com/MLNLP-World/NLP-Course-Chinese
[2]NLP入门课程：https://mlnlp-world.github.io/NLP-Course-Chinese/index.html
[3]yandexdataschool/nlp_course：https://github.com/yandexdataschool/nlp_course