<menu id="uqmrj"></menu><output id="uqmrj"></output>
<code id="uqmrj"></code><var id="uqmrj"></var>

<var id="uqmrj"><rt id="uqmrj"></rt></var><meter id="uqmrj"></meter>
<var id="uqmrj"></var>

<output id="uqmrj"></output>

      課程簡介

      自然語言處理(NLP)是近年來AI業界最火的方向之一。深度學習使得各類計算機視覺中各種曾經不可能完成的任務成為了可能,然而自然語言處理中還存在著各種各樣深度學習無法完美解決的問題。機器翻譯、問答系統、聊天機器人、文本歸類、文本搜索,每一個問題的解決都價值萬金。

      有問題就有機遇,業界對于NLP的人才已經達到了求賢若渴的地步。在本NLP就業班中,BAT大咖小班教學,保證就業,帶領大家深入學習自然語言處理中的各種經典與前沿問題,為大家找到理想的工作保駕護航。

      為了更好的保證就業,本課程首先于五月底進行了第一次升級:

      • 內容升級:新增兩個階段,從四個階段的內容增加到六個階段的內容;
      • 項目升級:新增文本分類、機器翻譯、問答系統、文本摘要、命名實體識別、聊天機器人等六大項目;
      • 就業升級:直接邀請BAT等一線互聯網企業入駐七月在線招聘平臺,且就業部輔助BAT大咖講師做簡歷指導、就業內推。

      然后很快,課程又進行了第二次更大的升級,把前六周中本來一周一次直播直接改成一周兩次直播,相當于直接新增了如下六次直播(更重要的是課程沒漲價):

      • 1. NLP基礎技術梳理;
      • 2. 各種前沿神經網絡模型在分類任務中的應用;
      • 3. 大規模無監督預訓練語言模型與應用;
      • 4. GAN與VAE在NLP領域的應用;
      • 5. 貝葉斯方法在NLP中的應用;
      • 6. 實戰項目的輔導與展示。

      面向群體: 因為本課程采用嚴格篩選制(通過率不到1/3),需要具備一定的基礎能力才能入營,故以下同學優先:

      • 高校CS,數學理工科相關專業的往屆或應屆研究生,985或211的同學優先
      • 有2年以上開發經驗或數據分析經驗的本科生
      • 已有一定的機器學習、深度學習基礎,比如學過七月在線的ML、DL課程

      課程安排

      • 第一部分 報名審核

        申請學員(以下簡稱學員)填寫報名申請表并附上簡歷,電話或遠程面試通過后,才視為報名成功,然后學員和七月在線(以下簡稱機構)雙方簽訂培訓合同。

      • 第二部分 內容安排

        課程開始前,提供預習視頻預習,課程開始后,每周安排直播、錄播、實訓、答疑,然后每兩周考試一次,順利通過階段考試的學員,才能進入下一階段的學習。未能通過考核的重新學習,做查漏補缺。

        第一階段 預習NLP基礎

        在線視頻:NLP基礎技能

        • 1-NLP背景、意義與常見問題
        • 2-文本處理技能:中英文字符串處理、工具分詞、基本統計、正則表達式

        在線實訓:文本數據清洗、提取、分詞與統計

        在線視頻:從語言模型到樸素貝葉斯

        • 1-語言模型與計算
        • 2-樸素貝葉斯

        在線實訓:文本情感分析案例與新聞分類

        在線視頻:深度學習與NLP簡單應用

        • 1-循環神經網絡
        • 2-BPTT算法

        在線實訓:模仿小四與李白寫作的生成模型

        在線直播:NLP基礎技術梳理

        • 1-NLP學習路線
        • 2-通過課程實例理解NLP中的關鍵技術點:預處理、特征提取等
        • 3-NLP常問面試題:如CRF,以及神經網絡在nlp中的應用等

        在線直播:如何更好的做NLP

        • 1-淺談找工作的策略
        • 2-"resume driven development"
        • 3-訓練自己的溝通與面試技巧
        • 4-課程項目brainstorm
        • 5-在線答疑

        第二階段 鞏固深度學習與pytorch實戰

        在線視頻:深度學習回顧與PyTorch簡介

        • 1-神經網絡模型回顧(線性層、非線性激活函數、SoftMax),用PyTorch定義神經網絡模型
        • 2-損失函數,用PyTorch定義計算損失
        • 3-反向傳播算法,用PyTorch做反向傳播
        • 4-優化模型,PyTorch optimizer

        在線實訓:用PyTorch編寫一個簡單的分類器

        在線視頻:語言模型

        • 1-循環神經網絡(RNN)、LSTM、GRU
        • 2-語言模型

        在線實訓:用PyTorch訓練語言模型

        在線視頻:自然語言分類任務

        • 1-詞包模型
        • 2-循環神經網絡
        • 3-卷積神經網絡

        在線實訓:用三種神經網絡做文本分類

        在線直播:NLP應用之文本分類系統

        • 1-實訓:CNN做文本分類
        • 2-在線答疑

        在線直播:各種前沿神經網絡模型在分類任務中的應用

        • 1-CNN + RNN神經網絡在分類任務中的應用
        • 2-attention神經網絡在分類任務中的應用
        • 3-elmo神經網絡在分類任務中的
        • 4-其他前沿技術在分類任務中的應用

        第三階段 詞向量與預訓練模型

        在線視頻:詞向量與相關應用

        • 1-從one-hot到word2vec

        在線實訓:借助詞向量的機器學習/深度學習文本分類

        在線視頻: 詞向量實戰

        • 1-詞向量、word2vec
        • 2-negative sampling
        • 3-詞向量的特性和應用

        在線實訓:用PyTorch訓練詞向量

        在線直播:大規模無監督預訓練語言模型與應用(上)

        • 1-預訓練詞向量
        • 2-預訓練句子向量
        • 3-Contextualized Word Vectors
        • 4-ElMo、BERT
        • 5-在線答疑

        在線直播:大規模無監督預訓練語言模型與應用(下)

        • 1-OpenAI GPT、GPT-2、Transformer XL、XLNet
        • 2-預訓練語言模型在多任務上的強大表現及其未來
        • 3-在線答疑

        第四階段 機器翻譯模型

        在線視頻: 基于統計的翻譯系統

        • 1-語言模型與翻譯模型
        • 2-對齊模型

        在線實訓 :基于統計的翻譯系統搭建

        在線視頻: Seq2Seq與Attention機制及其應用

        • 1-機器翻譯
        • 2-聊天機器人

        在線實訓 :利用Seq2Seq+Attention模型訓練一個翻譯模型

        在線直播:再談機器翻譯與Seq2Seq

        • 1-Encoder Decoder架構和注意力機制
        • 2-不需要RNN的Transformer模型
        • 3-Subword與BPE
        • 4-Beam Search
        • 5-機器翻譯應用
        • 6-文本摘要應用
        • 7-在線答疑

        在線直播:GAN與VAE在NLP領域的應用

        • 1-GAN模型及其應用
        • 2-VAE模型和應用
        • 3-文本情感遷移問題
        • 4-在線答疑

        第五階段 結構化預測

        在線視頻: 隱馬爾科夫模型及其應用

        • 1-隱馬爾科夫模型

        在線視頻: 條件隨機場與應用

        • 1-最大熵與詞性標注
        • 2-條件隨機場

        在線直播:結構化預測與問答系統

        • 1-結構化預測(structured prediction)相關問題
        • 2-SQuAD、CNNDM等幾類流行的問答數據集
        • 3-基于Attention機制的問答模型
        • 4-在線答疑

        在線直播:貝葉斯方法在NLP中的應用

        • 1-LDA模型
        • 2-MCMC與Gibbs采樣
        • 3-非參數模型
        • 4-在線答疑

        第六階段 問答系統和聊天機器人

        在線視頻: 問答系統

        • 1-問答系統
        • 2-文本摘要問題
        • 3-大規模預訓練語言模型

        在線實訓 :訓練一個問答系統

        在線視頻:簡單易用的聊天機器人開發平臺與展望

        • 1-簡介Wit.ai、BotFramework等等框架

        在線實訓 :打造真實場景中的deploy聊天機器人

        在線直播: 生成模型

        • 1-聊天機器人的構建方法
        • 2-句子生成與寫稿機器人
        • 3-利用結構化數據生成語言
        • 4-在線答疑

        在線直播: 項目報告展示

        • 1-展示班內同學的項目成果
        • 2-在線答疑
      • 第三部分 實戰項目

        在課程進行的后半段,學員根據自己的興趣和求職的方向選擇實戰項目:
        • 課程第五周,每位學員需要提交項目proposal,講師提供相關指導和反饋。
        • 課程第七周,學員上交項目中期報告,講師提供指導。
        • 課程第九周,學員上交項目的報告和代碼,講師對項目成果進行打分和反饋。
        可供選擇的實戰項目包括:
        • 實戰項目一

          文本分類系統

          NLP的經典任務,但應用場景也非常廣泛。情感分類被應用于利用網上評論打分,探究金融市場情緒。主題分類被應用于新聞分類,intent classification被用于構建聊天機器人。

        • 實戰項目二

          機器翻譯系統

          Seq2Seq+Attention最成功的應用。借用神經網絡,如今的翻譯系統已經遠遠不止是字面翻譯,而是能夠像人類一樣翻譯出連冠通順地道的語言。

        • 實戰項目三

          問答系統

          用深度學習模型自動回答問題。此類系統在搜索引擎,對話系統,智能客服中都被廣泛應用。在傳統搜索引擎上更進一步,問答系統能從返回的文本中提取最相關的部分用于回答問題。

        • 實戰項目四

          文本摘要

          隨著互聯網上文本數據越來越多,對文本“降維”成為了一個關鍵需求。文本摘要系統的目標是對新聞,論文以及各類長文本化繁為簡,歸納成短文章,以幫助讀者迅速了解文本概要,此類模型可以大致分為抽取式和生成式兩類。

        • 實戰項目五

          命名實體識別

          從一篇長文章中提取出命名實體,是很多NLP任務的前置預處理步驟。例如在對話系統中,往往需要抽取出實習信息,用于記錄聊天狀態。從文本構建知識圖譜,也會需要首先抽取出實體,然后再明確實體間關系。

        • 實戰項目六

          聊天機器人系統

          NLP的終極目標。聊天機器人也分很多種,有任務式也有開放式的聊天機器人。由于構建聊天機器人是一個困難的問題,學員們也可以嘗試解決其中的一些子問題,例如intent classification, dialogue state tracking等等。

        • 實戰項目七

          評估近幾年非常火的預訓練模型

          ELMo和BERT是近年來NLP領域的新寵,此類模型能夠在少量訓練數據的情況下在各個NLP任務上達到極好的效果。

        • 同時,指導學員參加各種比賽,積累項目經驗的同時還有機會贏取獎金。

      • 第四部分 面試求職

        針對特定方向的定制化項目(如聊天機器人項目),進行項目與簡歷的最終調整與完善。然后安排名企面試官模擬面試與內推,面試與反饋迭代,最終幫助學員成功拿到offer。

        第一階段 簡歷與項目定制

        • 1-大型公司的招聘方向與需求分析,并選擇方向,然后針對特定方向的定制化項目,進行簡歷調整與完善:一份優質簡歷的基本原則、你的簡歷是怎么進出人才資源池的、校招/社招面試官是怎么閱讀簡歷的
        • 2-實用面試技巧若干

        第二階段 面試輔導與內推

        • 1-名企面試官模擬面試與內推 (BAT大咖講師會給班級里面的每一位學員電話面試,按照BAT中AI/推薦算法工程師崗位的要求來面試并且打分,并當場給予分數反饋和調整建議)
        • 2-面試與反饋迭代
        • 注:實戰項目會根據市場環境,學員綜合情況動態調整。
      • 第五部分 入職護航

        針對學員入職后工作上遇到的技術方面問題,進行一周的跟蹤服務,為學員穩定就業保駕護航。

      講師介紹

      • 褚博士

        芝加哥大學計算機博士,研究方向為NLP,熟練當前深度學習在NLP領域的模型與應用,以及pytorch、pandas等python庫,設計的jupyter notebook和作業備受學員稱贊,主講的七月在線《PyTorch的入門與實戰》更是被學員譽為最好的PyTorch課。

      時間安排

      2019年7月29日開學,越早報名越早享受到BAT大咖的一對一個性化定制。

      一個半月的學習周期(包括直播、錄播、實訓、答疑、考試),一個半月的項目和就業周期,且配備全職科學家、全職助教、全職就業老師輔助講師進行課程答疑、項目輔導、簡歷指導、就業內推。

      課程價格

      收費:¥21000,包含課程費用、項目費用、就業費用,審核通過且報名后簽訂就業協議,了解詳情或優惠,敬請咨詢。

      報名流程

      報名本就業班的步驟如下

      • 1、點擊此處,下載申請表
      • 2、填寫好申請表后,和簡歷一并發送至郵箱: zhangjiaojiao@julyedu.cn
      • 3、我們會在兩個工作日之內溝通后續事宜

      PS:申請表和簡歷不得造假(包括但不限于:學歷不得造假、教育經歷不得造假、工作履歷不得造假,一經發現,立即取消入學資格,且相關后果自負)。

      課程咨詢

      張老師:18610663100(微信同步)

      email:zhangjiaojiao@julyedu.cn

      ¥21000:課程全新升級,咨詢可優惠

      七月內報名加送:新VIP[包未來一年在線課程和全年GPU]

      日本成人电影