自然語言處理（NLP）是一種人工智能技術，它使計算機能夠理解和處理人類語言。而語言模型是NLP中的一個重要概念，主要是用來估測一些詞的序列的概率，即預測p(w1, w2, w3 … wn)，其中一個應用就是句子的生成。

語言模型的學習通常涉及深度學習和統計語言模型等方法。深度學習方法如循環神經網絡（RNN）、長短期記憶網絡（LSTM）和Transformer等，已經在語言模型領域取得了顯著的成果。統計語言模型則基于概率論和統計學原理，通過大量語料庫的訓練來建立詞之間的概率關系。

要系統學習自然語言處理之語言模型，可以從以下幾個方面入手：

基礎知識：學習計算機科學、人工智能、語言學等基礎知識，為后續的學習打下基礎。
編程技能：掌握至少一門編程語言，如Python，這是進行NLP研究和實踐的常用語言。
深度學習和機器學習：學習深度學習和機器學習的基礎理論和方法，理解神經網絡、優化算法等關鍵概念。
自然語言處理原理：學習NLP的基本原理和方法，如詞嵌入、文本表示、命名實體識別等。
語言模型：深入研究語言模型的原理和實現方法，包括傳統的統計語言模型和基于深度學習的語言模型。
在學習過程中，可以利用以下網站和B站學習博主資源：

Coursera：提供了來自世界頂級大學的課程資源，包括自然語言處理相關的課程。
Khan Academy：一個非營利性的在線教育平臺，提供了從幼兒園到高中的各種學科課程，包括計算機科學和人工智能相關內容。
Codecademy：專注于編程教育的在線平臺，提供了多種編程語言的教程，包括Python等。
TED：一個非營利性的全球性論壇，傳播有價值的思想，可以了解到最新的科技趨勢和發展。
在B站上，也有許多優秀的NLP學習博主，他們分享了豐富的NLP知識和實踐經驗。可以通過搜索“自然語言處理”、“NLP”等關鍵詞找到相關的視頻內容。

總之，要系統學習自然語言處理之語言模型，需要扎實的基礎知識和編程技能，同時結合深度學習和統計語言模型等方法進行實踐和研究。在學習過程中，可以利用在線教育平臺和學習博主等資源，不斷提高自己的技能和能力。