下一期的训练营在原有的基础上做了大幅度内容的更新,在内容的广度和深度上做了进一步的调整。可以认为目前的课程体系在全网应该是最具有挑战性的,甚至要高出斯坦福、MIT、CMU已有的对标课程体系。如果你喜欢挑战,而且在AI学习的路上想拥有本质的提升,我相信这个训练营会帮助你很多。
到底是什么样的课程让业内的呼声这么的大,
如果你还不知道《NLP自然语言处理训练营》
那么你可能错过了太多~
注:本文含商业推广内容
课程大纲
阶段一 算法与优化基础
【核心知识点】 . Dynamic Time Warping . Earth Mover's Distance. 维特比算法
. LR, SVM, KKT . Kernel Tick, Mercer's Theorem
. 梯度下降法,收敛性分析
. L0, L1, L2, L-Infinity Norm
. Grid Search, Bayesian Optimization
. 随机森林、GBDT, XGBoost回顾
. 凸函数、凸集、Lagrange Duality . Projected Gradient Descent . Linear/Quadratic Programming
. Integer/Semi-definite Programming
. NP-completess . Constraint Relaxation
【实战案例】:
. [作业] 基于Sparse Quadratic Programming的股票投资组合优化策略编写
. [讲解] 基于Earth Mover's Distance的短文本相似度计算
. [讲解] 基于Projected Gradient Descent和非负矩阵分解的词向量学习 . [讲解] 基于Linear Programming的机票定价系统
阶段二 语言模型与序列标注
【核心知识点】 . 文本预处理技术(tf-idf,Stemming等). 文本领域的特征工程
. 倒排表、信息检索技术
. Noisy Channel Model
. N-gram模型,词向量介绍
. 不同的Smoothing Techniques
. Learning to Rank
. Latent Variable Model
. EM算法与Local Optimality
. 有向图模型与无向图模型
. HMM模型、Viterbi、Baum Welch
. Log-Linear Model与参数估计
. CRF模型与Linear-CRF
. CRF的Viterbi Decoding与参数估计
【实战案例】:
. [作业] 基于无监督学习方法的问答系统搭建
. [作业] 基于监督学习的Aspect-Based 情感分析系统搭建
. [讲解] 基于CRF的命名实体识别
. [讲解] 基于语言模型和Noisy Channel Model的拼写纠错
阶段三 信息抽取、词向量与知识图谱
【核心知识点】
. 信息抽取技术
. Snowball, KnowitAll, RunnerText
. Distant Supervision, 无监督学习方法
. 实体统一、实体消歧义、指代消解
. 知识图谱、实体与关系
. 词向量、Skip-Gram、Negative Sampling
. 矩阵分解、CBOW与Glove向量
. Contexualized Embedding与ELMo
. KL Divergence与Gaussian Embedding
. 非欧式空间与Pointcare Embedding . 黎曼空间中的梯度下降法
. 知识图谱嵌入技术
. TransE, NTN 的详解
. Node2Vec详解
. Adversial Learning与KBGAN
【实战案例】: . [作业] 利用非结构化数据和信息抽取技术构建知识图谱 . [作业] 任务导向型聊天机器人的搭建 . [讲解] 包含Intent与Entity Extraction的NLU模块实现
. [讲解] 基于SkipGram的推荐系统实现(参考Airbnb论文)
阶段四 深度学习与NLP
【核心知识点】
. 表示学习,分布式表示技术
. 文本领域中的Disentangling
. 深度神经网络与BP算法详解
. RNN与Vanishing/Exploding Gradient
. LSTM与GRU
. Seq2Seq与注意力机制
. Greedy Decoding与Beam Search
. BI-LSTM-CRF模型
. Neural Turing Machine . Memory Network
. Self Attention与Transformer
. Bert的详解
. BERT-BiLSTM-CRF
. BERT与GPT,MASS
. Low-resource learning
. 深度学习的可视化
. Laywer-wise Relevance Propagation
【实战案例】: . [作业] 利用纯Python实现BP算法
. [作业] 基于Seq2Seq+注意力机制、基于Transformer的机器翻译系统
. [讲解] 基于Transformer的闲聊型聊天机器人
. [讲解] 基于BI-LSTM-CRF和BERT-BiLSTM-CRF在命名实体中的比较
. [讲解] 利用Laywer-wise RP可视化端到端的机器翻译系统
阶段五 贝叶斯模型与NLP
【核心知识点】
. Markov Blanket
. Dirichlet分布、Multinomial分布 . Beta分布、Conjugate Prior回顾 . Detail Balance
. 主题模型详解
. MCMC与吉布斯采样
. 主题模型与Collapsed Gibbs Sampling
. Metropolis Hasting, Rejection Sampling
. Langevin Dyamics与SGLD
. 分布式SGLD与主题模型
. Dynamic Topic Model . Supervised Topic Model
. KL Divergence与ELBO
. Variantional Inference, Stochastic VI
. 主题模型与变分法
. Nonparametric Models
. Dirichlet Process . Chinese Restarant Process
. Bayesian Deep Neural Network
. VAE与Reparametrization trick
. Bayesian RNN/LSTM
. Bayesian Word2Vec
. MMSB
【实战案例】: . [作业] 利用Collapsed Gibbs Sampler和SGLD对主题模型做Inference
. [讲解] 基于Bayesian-LSTM的命名实体识别
阶段六 开放式项目 (Optional)
【项目介绍】
可以根据自己的兴趣来设计一个NLP领域的课题,课题需要具备一定的挑战,并且有一定的深度。 在项目期间教学团队会提供技术支持
【结果输出】: 完整PPT、代码和Conference-Style Technical Report 【评估流程】: 教学团队Review + 学员Peer-Review
部分项目作业
课程适合谁?
有良好的机器学习基础,有较强的编程能力
对数据结构与算法比较熟悉
之后想从事相关研究工作、或者之后想申请国外名校读相关专业的硕士/博士
追求技术细节,对背后的why感兴趣,不希望仅仅停留在使用工具层面的学员
已经在AI领域从事工作,但技术上感觉遇到了瓶颈,想进一步突破的学员
希望在工作中可以根据业务需求能够提出新的模型,做一些创新
对NLP领域最新知识体系想有更深入的学习
想转型到一线做AI工程师的学员
课程特色
内容上包含了作为AI顶级工程师必备的核心技术体系
内容上包含了大量最前沿的技术
具备一定的挑战性和深度,区别于市面上的其他同类的课程。
理论与实战的结合,所有的理论会本质层面讲起,而且非常通俗易懂,即便很难理解的BERT, Bayesian NN也会让你能够听得懂并且能够理解。 每一个重要的知识点会配备实战讲解以及核心代码review.
包含具有挑战性的课程项目作业和理论作业,这些会帮助你更深入地理解学过的知识点
配备顶尖讲师团队,均在NLP和机器学习领域有很深的研究和工作经验
教学模式
我们主要采用直播的方式,一周4-5次的直播教学, 包括2次的main lectures, 1-2次的discussion session (讲解某一个实战、必备基础、案例或者技术上的延伸), 1次的paper reading session (每周会assign一篇必备论文,并且直播解读)。教学模式上也参考了美国顶级院校的教学体系。 以下为其中一周的课程安排,供参考。
服务体系
大魔头是不会让你以智商为理由逃跑的,
我们为大家配备了全一线工程师的助教团队,
严防死守以学不会为由的逃兵出现!
全职助教实时答疑
看论文的时候:"诶?为什么好像看懂了,又不知道在讲什么呢?"
不管你在学习过程中遇到多少阻碍,你都可以通过以下4种方式解决:
直接在线问导师;
或者记录到共享文档中,等待每日固定时间的直播答疑;
学习社群中全职助教,24h随时提问答疑
共同的问题在Review Session里面做讲解
来自师兄师姐的疑问:
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/6571b808ac12b6886d2087704cb63b49.jpeg)
编写一些技术类文章
通过在知乎上发表相关技术文章进行自我成果检验,同时也是一种思想碰撞的方式,导师会对发表的每一篇文章写一个详细的评语。万一不小心成为一个大V了呢?
虽然写文章的过程万分痛苦,学习群里半夜哀嚎遍野,但看一看抓着头发写出来的文章结果还是非常喜人的!看着自己收获的点赞数,大家都默默地感谢起大魔头的无情!
这种满满的成就感,让大家一篇接一篇的写了下去!
个个都立刻变身成了知乎大牛~
Project项目
除了文章,算法工程师立命的根本--项目代码,大魔头更是不会放过的。每次在Gitlab上布置的作业,大魔头都会带领助教团队会予以详细的批改和反馈。并逼着你不断的优化!
课程导师
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/f1add6fc054f2a4ab4db889c4735a368.jpeg)
NLP、知识图谱领域专家
如何毕业
考核机制
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/8e0d8b37c4fc8f9951f1946f49169056.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/4ab69573f76a4d21c31e7e067ea9cf14.png)
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/ee162706293733f6394e55db115faf1f.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/921cb5d8abe12fe1e6bc91b490606748.png)
这个被全网尊称为能找到的 最体系化,
最有挑战的,
实践性最强的,
最烧脑的, AI自然语言处理训练营等着你们!
勇士们让我看到你们的双手!
报名方式
请扫描课程课程顾问小姐姐二维码
或添加微信号greedytech002
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/32468f33b714e216185355a4e08c8592.jpeg)
我们是谁?我们是一家专注于人工智能领域的在线教育公司,由一群有情怀的硅谷科学家来创办。我们提供最专业的AI课程以及每月4-5期的免费AI类公开课。关注此公众号(“贪心科技”)可以获得相关的信息。