专业介绍
在语言规律与算法之间搭桥，培养能用计算方法处理语言问题的人才。要求学生掌握语言学的基本分析框架，同时具备程序设计、数据结构与机器学习的基础，能独立完成语料清洗、标注、句法分析、机器翻译评测等工作，能读懂自然语言处理领域的技术文档并参与工程协作。与语言智能的区别在于更偏方法与模型：一个研究怎么算，一个侧重怎么用。培养上的现实难点是文科生源的数理基础，因此前两年会安排较重的编程与统计训练，能否跟上直接决定后两年的项目质量。
核心课程
各校培养方案不同，此处为专业通用口径学科基础课
5 门语言学概论现代汉语Python 程序设计数据结构概率统计
专业核心课
7 门计算语言学导论句法与语义分析语料库语言学机器学习基础机器翻译大语言模型与语言理解语音信息处理
实践环节
5 门语料库构建句法标注与评测自然语言处理课程项目企业或实验室实习毕业设计
难点是数学与编程基础，入学后要尽快补齐，越拖越吃力
另外标注规范的设计也很考验抽象能力
学习建议
每学一门方法课就配一个真实语料任务，哪怕规模很小
把 GitHub 当作作品集来经营，比简历上的课程列表更有说服力
就业与深造
主要去向：人工智能与语言技术企业的自然语言处理工程岗（偏语言侧）、语料与数据治理岗、大模型评测与对齐岗；翻译技术与本地化公司的技术岗；辞书、教育出版与语言测评机构的研发岗。这类岗位通常要求提交代码或项目作品，实习经历比绩点更被看重。职业路径从语料工程或评测专员起步，向算法工程师、数据负责人发展，也有人转向产品。升学可对接计算语言学、语言学及应用语言学、计算机技术专业硕士。可考证书以英语等级与编程能力证明为主，行业更看项目。本专业为 2026 年新增，2026 年贵州本科批招生计划中尚未见以此名称单独列出的院校记录，实际招生院校、选科要求与体检限制以院校当年公布为准。