7月在线 7月 NLP就业小班 NLP 百度云 百度网盘 下载

阿里云2000元红包!本站用户参与享受九折优惠!

课程安排

  • 第一部分 报名审核

    申请学员(以下简称学员)填写报名申请表并附上简历,电话或远程面试通过后,才视为报名成功,然后学员和七月在线(以下简称机构)双方签订培训合同。

  • 第二部分 内容安排

    课程开始前,提供预习视频预习,课程开始后,每周安排直播、录播、实训、答疑,然后每两周考试一次,顺利通过阶段考试的学员,才能进入下一阶段的学习。未能通过考核的重新学习,做查漏补缺。

    第一阶段 预习NLP基础

    在线视频:NLP基础技能

    • 1-NLP背景、意义与常见问题
    • 2-文本处理技能:中英文字符串处理、工具分词、基本统计、正则表达式

    在线实训:文本数据清洗、提取、分词与统计

    在线视频:从语言模型到朴素贝叶斯

    • 1-语言模型与计算
    • 2-朴素贝叶斯

    在线实训:文本情感分析案例与新闻分类

    在线视频:深度学习与NLP简单应用

    • 1-循环神经网络
    • 2-BPTT算法

    在线实训:模仿小四与李白写作的生成模型

    在线直播:如何更好的做NLP

    • 1-NLP提升路线规划
    • 2-浅谈找工作的策略
    • 3-课程计划与项目安排
    • 4-在线答疑

    在线直播:NLP基础技术梳理

    • 1-NLP学习路线
    • 2-通过课程实例理解NLP中的关键技术点:预处理、特征提取等
    • 3-NLP常问面试题:如CRF,以及神经网络在nlp中的应用等

    第二阶段 巩固深度学习与pytorch实战

    在线视频:深度学习回顾与PyTorch简介

    • 1-神经网络模型回顾(线性层、非线性激活函数、SoftMax),用PyTorch定义神经网络模型
    • 2-损失函数,用PyTorch定义计算损失
    • 3-反向传播算法,用PyTorch做反向传播
    • 4-优化模型,PyTorch optimizer

    在线实训:用PyTorch编写一个简单的分类器

    在线视频:语言模型

    • 1-循环神经网络(RNN)、LSTM、GRU
    • 2-语言模型

    在线实训:用PyTorch训练语言模型

    在线视频:自然语言分类任务

    • 1-词包模型
    • 2-循环神经网络
    • 3-卷积神经网络

    在线实训:用三种神经网络做文本分类

    在线直播:NLP中的ConvNet

    • 1-实训:CNN做文本分类
    • 2-Char CNN模型
    • 3-用CNN做Seq2Seq模型
    • 4-在线答疑

    在线直播:大规模无监督预训练语言模型与应用(上)

    • 1-预训练词向量
    • 2-Subword Modeling
    • 3-预训练句子向量
    • 4-Contextualized Word Vectors和ELMo
    • 5-在线答疑

    第三阶段 词向量与预训练模型

    在线视频:词向量与相关应用

    • 1-从one-hot到word2vec

    在线实训:借助词向量的机器学习/深度学习文本分类

    在线视频: 词向量实战

    • 1-词向量、word2vec
    • 2-negative sampling
    • 3-词向量的特性和应用

    在线实训:用PyTorch训练词向量

    在线直播:大规模无监督预训练语言模型与应用(中)

    • 1-Transformer模型中的encoder
    • 2-BERT模型介绍和应用
    • 3-BERT的加强版:RoBERTa, SpanBERT, ALBERT等
    • 4-在线答疑

    在线直播:大规模无监督预训练语言模型与应用(下)

    • 1-Transformer中的decoder
    • 2-OpenAI GPT、GPT-2模型和应用
    • 3-Transformer XL和XLNet模型介绍
    • 4-在线答疑

    第四阶段 机器翻译模型

    在线视频: 基于统计的翻译系统

    • 1-语言模型与翻译模型
    • 2-对齐模型

    在线实训 :基于统计的翻译系统搭建

    在线视频: Seq2Seq与Attention机制及其应用

    • 1-机器翻译
    • 2-聊天机器人

    在线实训 :利用Seq2Seq+Attention模型训练一个翻译模型

    在线直播:机器翻译与文本摘要

    • 1-再谈机器翻译及其应用, Zero Shot Machine Translation
    • 2-Beam Search
    • 3-阅读资料: Philipp Koehn’s Notes on Neural Machine Translation
    • 4-文本生成类问题的评价指标: BLEU, ROUGE
    • 5-文本摘要应用: 同语言的文本翻译
    • 6-在线答疑

    在线直播:GAN和VAE模型与文本生成

    • 1-结构化预测总结
    • 2-VAE模型和应用
    • 3-GAN模型及其应用
    • 4-阅读资料:Deep Latent-Variable Models for Natural Language
    • 5-文本风格迁移问题
    • 6- 在线答疑

    第五阶段 问答系统和聊天机器人

    在线视频: 问答系统

    • 1-问答系统
    • 2-文本摘要问题
    • 3-大规模预训练语言模型

    在线实训 :训练一个问答系统

    在线视频:简单易用的聊天机器人开发平台与展望

    • 1-简介Wit.ai、BotFramework等等框架

    在线实训 :打造真实场景中的deploy聊天机器人

    在线直播: 问答系统

    • 1-SQuAD、CNNDM等几类流行的问答数据集
    • 2-基于Attention机制的问答模型
    • 3-在线答疑

    在线直播: 聊天机器人

    • 1-聊天机器人的构建方法:自然语言理解、对话管理、自然语言生成
    • 2-句子生成与写稿机器人
    • 3-在线答疑
  • 第三部分 实战项目

    在课程进行的后半段,学员根据自己的兴趣和求职的方向选择实战项目:

    • 课程第五周,每位学员需要提交项目proposal,讲师提供相关指导和反馈。
    • 课程第七周,学员上交项目中期报告,讲师提供指导。
    • 课程第九周,学员上交项目的报告和代码,讲师对项目成果进行打分和反馈。

    第一阶段 整体流程介绍、项目任务书、数据介绍

    在线直播:项目1 机器翻译系统,和项目2 文本摘要的介绍

    在线直播:项目3 基于文本的问答系统,和项目4 FAQ问答机器人的介绍

    在线直播:项目5 知识图谱项目,和项目6 聊天机器人的介绍

    第二阶段 环境配置与数据准备

    在线直播:项目1 机器翻译系统,和项目2 文本摘要的数据准备

    在线直播:项目3 基于文本的问答系统,和项目4 FAQ问答机器人的数据准备

    在线直播:项目5 知识图谱项目,和项目6 聊天机器人的数据准备

    第三阶段 模型构建

    在线直播:项目1 机器翻译系统,和项目2 文本摘要的模型构建

    在线直播:项目3 基于文本的问答系统,和项目4 FAQ问答机器人 的模型构建

    在线直播:项目5 知识图谱项目,和项目6 聊天机器人的模型构建

    第四阶段 模型评估、优化和上线

    在线直播:项目1 机器翻译系统,和项目2 文本摘要的整体实现

    在线直播:项目3 基于文本的问答系统,和项目4 FAQ问答机器人 的整体实现

    在线直播:项目5 知识图谱项目,和项目6 聊天机器人的整体实现

    可供选择的实战项目包括:


    • image

      实战项目一

      机器翻译系统

      Seq2Seq+Attention最成功的应用。借用神经网络,如今的翻译系统已经远远不止是字面翻译,而是能够像人类一样翻译出连冠通顺地道的语言。


    • image

      实战项目二

      文本摘要

      随着互联网上文本数据越来越多,对文本“降维”成为了一个关键需求。文本摘要系统的目标是对新闻,论文以及各类长文本化繁为简,归纳成短文章,以帮助读者迅速了解文本概要,此类模型可以大致分为抽取式和生成式两类。


    • image

      实战项目三

      基于文本的问答系统

      用深度学习模型自动回答问题。此类系统在搜索引擎,对话系统,智能客服中都被广泛应用。在传统搜索引擎上更进一步,问答系统能从返回的文本中提取最相关的部分用于回答问题。


    • image

      实战项目四

      FAQ问答机器人

      FAQ是Frequently Asked Questions的简称。假定我们有一个常见问题和答案的数据库,现在用户提出了一个新问题,能不能自动从常见问题库中抽取出最相关的问题和答案来作答呢?在这个项目中,我们会探索如何构建这样一个抽取式的问答机器人。


    • image

      实战项目五

      知识图谱项目

      知识图谱的主要描述的是实体之间的关系,是一种结构化的知识表达方式。在这个项目中,我们会利用知识图谱来辅助一些NLP任务,例如问答系统。


    • image

      实战项目六

      聊天机器人系统

      NLP的终极目标。聊天机器人也分很多种,有任务式也有开放式的聊天机器人。由于构建聊天机器人是一个困难的问题,学员们也可以尝试解决其中的一些子问题,例如intent classification, dialogue state tracking等等。


    • image

      实战项目七

      评估近几年非常火的预训练模型

      ELMo和BERT是近年来NLP领域的新宠,此类模型能够在少量训练数据的情况下在各个NLP任务上达到极好的效果。

    同时,指导学员参加各种比赛,积累项目经验的同时还有机会赢取奖金。

  • 第四部分 面试求职

    针对学员所选的实战项目,进行项目与简历的最终调整与完善。然后除了学员自己投简历找工作之外,增加内推,并跟踪每一次面试的结果,不断辅导迭代,最终拿到offer。

    第一阶段 项目总结和就业辅导

    在线直播:六大项目的总结与就业辅导

    • 1-项目1 机器翻译系统、项目2 文本摘要、项目3 基于文本的问答系统、和项目4 FAQ问答机器人、项目5 知识图谱项目,和项目6聊天机器人的项目总结
    • 2-简历的优化与调整:如何把课程项目写进简历里,需要突出哪些技术点、如何确定评估指标

    第二阶段 面试辅导与内推

    • 1-内推包括且不限于互联网名企
    • 2-跟踪每一个学员的就业动态,辅导每一次面试遇到的问题
  • 第五部分 入职护航

    针对学员入职后工作上遇到的技术方面问题,进行一周的跟踪服务,为学员稳定就业保驾护航。

加V领取资料 加V备注【 7月NLP小班 】


在这里插入图片描述
https://www.jianshu.com/p/0851bb669395

Python量化投资网携手4326手游为资深游戏玩家推荐:《《一梦江湖》:敦煌联动序章!飞天入梦来,敦煌在江湖!

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论