为什么所有人都报了这个虐人到哭的NLP训练营?

2019 年 5 月 15 日 深度学习与NLP


NLP训练营欢迎 “独孤求虐的你”~

NLP

训练营

2019年贪心学院的《NLP自然语言处理训练营》成为了震撼业界的标杆。我今年5月,课程一期的学员已经正式结业,三期课程满员开课。我们培养的第一批NLP算法工程师明年将陆陆续续走上相应工作岗位,而我们期待着他们将为2019年的中国NLP技术带去新鲜的血液和希望。


到底是什么样的课程让业内的呼声这么的大,如果你还不知道我们的《NLP自然语言处理训练营》那么你可能错过了太多~

贪心学院《NLP自然语言处理集中营》学员戏称为一个“惨绝人寰”的NLP算法集训营。本训练营在历时4个月的时间里,带领学员完成10+不同的经典NLP前沿实践项目,扎实地学习每个核心算法的背后原理以及实现。被全网尊称为能找到的最体系化,实践性最强的、最烧脑的AI自然语言处理课程。


课程大纲

这个训练营到底有多魔鬼,让这帮见惯了大风大浪的算法工程师都需要精神抖擞的来熬夜学习!小编先晒一晒训练营大魔头文哲老师带领全博士课程研发团队精心策划了半年之久的,包含了NLP全体系知识点和实操项目的课程大纲


训练营学员需要在4个月的时间里,每周完成3节核心课程的学习,一次课程2小时;你需要挑战的有这些课程:


1


NLP基础概论

【学习目标】

. 了解自然语言处理有哪些价值

. 了解自然语言处理的挑战

. 掌握关键技术各解决什么问题

. 了解如何学习NLP

. 掌握复杂度原理

. 掌握如何推算出对算法复杂度

. 掌握动态规划算法

【核心知识】

  自然语言处理概论,

  算法复杂度介绍

【实战案例】

  了解AI行业内已经落地的NLP

  产品及运营到的技术


2


问答系统

【学习目标】

. 掌握问答系统中常用的技术

. 掌握倒排表等搜索技术

. 掌握文本分析的常见流程

. 掌握分词技术

. 掌握维特比算法

. 掌握编辑距离的计算过程

. 掌握拼写纠错技术

. 掌握停用词过滤等预处理技术

. 掌握不同的文本表示法

. 掌握语言模型以及平滑方法

【核心知识】
  问答系统介绍,
  文本预处理技术,
  文本的向量化表示,
  语言模型
【实战案例】 
  利用维特比算法构建
  分词工具,计篇新闻的
  相似度,利用语言模型
  识别文本中的语法问题


3

情感分析系统

 【学习目标】

. 掌握情感分析相关的技术

. 掌握文本领域的特征工程技术

. 掌握朴素贝叶斯模型

. 掌握逻辑回归模型

. 掌握最大似然

. 掌握梯度下降法

. 掌握调参的技术

【核心知识】

  情感分析系统介绍,

  文本分析中的特征工程,

  特征处理与特征选择技术,

  朴素贝叶斯模型,

  逻辑回归模型模型训练

【实战案例】

  垃圾邮件的过滤,

  把新闻按照主题做分类


4

知识图谱系统

 【学习目标】

. 掌握知识图谱相关技术

. 掌握命名实体识别技术

. 掌握实体统一技术

. 掌握实体消歧技术

. 掌握如何写入知识图谱

. 掌握如何使用构建好知识图谱

. 掌握割裂关系抽取技术

【核心知识】

  知识图谱系统介绍,
  命名实体识别,
  关系抽取技术,
  实体消歧以及
  实体统一,指代消解

【实战案例】

  金融风控,从文本

  中抽取<公司,城市>关系


5

对话系统中的NLU

【学习目标】

. 掌握NLU的搭建技术

. 掌握HMM模型

. 掌握EM算法

. 掌握HMM中的参数估计

. 掌握无向图与有向图的区别

. 掌握CRF模型以及应用

. 掌握词向量技术

【核心知识】

  NLU的介绍,HMM模型,

  CRF模型,词向量

【实战案例】

  利用HMM做词性标注,

  训练Glove中文向量


6

机器翻译系统

 【学习目标】

. 掌握深度学习理论

. 掌握深度与浅层学习区别

. 掌握深度学习防过拟合技术

. 掌握RNN/LSTM的核心原理

. 掌握Seq2Seq模型的原理

. 掌握注意力机制的使用

. 掌握Self-Attention

. 掌握Transformer

. 掌握Bert的使用

. 掌握搭建完整的机器翻译系统

【核心知识】

  机器翻译系统介绍,

  神经网络介绍,

  深度神经网络,

  递归神经网络,

  Seq2Seq模型与Attention,

  ELMo与Subword

  Model,Self-attention, 

  Transformer, Bert

【实战案例】

  动手写神经网络,
  基于Seq2Seq模型搭建
  闲聊系统,基于Bert
  搭建QA系统



7


任务导向型聊天机器人

【学习目标】

. 掌握聊天机器人常用的技术

. 掌握意图识别技术

. 掌握对话管理技术

. 掌握使用NLU模块

. 掌握如何处理异常

. 掌握对话的生成

. 掌握搭建中需要的整个流程

【核心知识】

  聊天机器人技术介绍,

  基于任务导向型聊天机器

  人技术

【实战案例】

  逐一实现任务导向型聊天

  机器人的各个模块


8


职业规划及面试指导

【学习目标】

. 了解自己的NLP职业发展路线

. NLP面试出现中的核心问题

. 个性化简历修改


课程设计紧密围绕学术界最新进展以及工业界的需求,涵盖了能想到的所有核心知识点,并且结合了大量实战项目,培养学员的动手能力,解决问题能来以及对知识的深入理解。


另外,课程的每个部分导师和助教团队会带领学员完成一个企业级大项目。我们让这些项目无一例外的都成为了学员在简历上的亮点和在面试中的突破点,“完成项目拿到offer”成了训练营的口号。


实战项目

下面就来晒一晒那些让学员掉光头发的项目吧:


服务体系


看完被吓着了?这玩意学不会可咋整啊?

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!


实时答疑

解决你的“疑难杂症”

看视频的时候:"诶?这步怎么推导出来的呢?"

在线编程跑项目实践的时候:"诶?这段代码是干嘛的呢?"

看论文的时候:"诶?为什么好像看懂了,又不知道在讲什么呢?"

诶?诶?诶??


不管你在学习过程中遇到多少阻碍,你都可以通过以下3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


注:每次答疑,班主任都会进行记录,以便学员实时查阅。


来自师兄师姐的疑问:


Review Session

难点知识,重点学


每周一次的Review Session, 老师提前一周给出几个备选主题,由学生进行投票选择最心仪的主题,每周三次


个性化服务

定制计划,高效学习

如果说做到上面我们的课程顶多能培养出个合格的NLP工程师,那你可就低估了大魔头的野心了。他要的不是合格而是杰出!为此,他下血本为每位同学量身定制开放式项目,满足你所有的学习欲望~

  • 开放性Capstone项目

根据会议的ACL,EMNLP等,会议的workshop,tutorial,数据比赛,初创公司应用等的了解来自我选择NLP的相关领域进行Capstone项目。

第一阶段:Proposal的编写(立项)

第二阶段:中期Review

第三阶段:项目演示

第四阶段:Technical Report编写


  • 发表技术文章

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!




  • 一起读论文

开课一周后,我们发现了大家读原文paper的困难。大魔头当机立断,毫不犹豫地组织一起读论文的环节,以便提升学员对文献的阅读能力。借此也邀请了国外的顶级大咖们也加入到了此环节中。


课程导师


看了这么多,是不是非常崇拜设计出如此地狱式学习计划的大牛,那就来正式认识一下这位训练营中人人听了都闻风丧胆,但又让人崇拜+喜爱+欲罢不能的训练营大魔头:

李文哲

NLP、知识图谱领域专家


美国南加州大学博士,曾任凡普金科(爱钱进)首席科学家,美国亚马逊/高盛高级工程师,AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文,其中3篇获得Best Paper Award,累计数百次引用。


如何毕业

进去企业敲门砖的”毕业证“如何得到?

大魔头之所以是大魔头不单单因为技术牛,更因为他同时掌管着训练营30名学员的生杀大权!光学习是怎么可以的,我们的训练营是有考核的!
大魔头给学习成果定义了充分的可量化标准。贪心学院红头文件晒给你看:


  • 考核机制

被折磨但依然快乐的学员们~


再被大魔头折磨了多个日日夜夜后,大家不但没有放弃学习,这两天群里更是捷报连连。我们前三期项目的已经有多名学员被一线AI企业录取,还有通过二面、三面等待着offer。相信未来几周我们将会受到更多的好消息!


随便截了几个学员反馈,看看他们有多爱这个机智又严苛的大魔头:



我确定了我们的魔鬼训练营没有误人子弟,我们的课程真的帮助到大家有人实质的技能提升或帮助大家拿到offer。今年五月,大魔头携带着他的第四期《NLP自然语言处理集中营》再度回归了。


四期训练营课程进行了全新的课程升级,你刚刚看到的大纲与项目经过了全面的迭代与升级。除此之外,我们还发展出了更完善的课程服务体系,导师与助教将更加熟练。Plus,你还将有更多的师兄师姐可以去请教问题,帮你介绍公司。这样一个成为杰出的AI工程师的机会可不要错过了。


2019NLP能这么骚,就要看你了~ 

这个被全网尊称为能找到的

最体系化,

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

点击 “阅读原文”,登录“贪心科技官网

查看课程具体信息,可免费试听

对”NLP集训营“感兴趣的同学,

请扫描课程课程顾问小姐姐二维码

或添加微信号 greedytech002

NLP       训练营

      等你来挑战!!

end


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课程以及每周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。




登录查看更多
26

相关内容

NLP:自然语言处理
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
【教程】自然语言处理中的迁移学习原理,41 页PPT
专知会员服务
95+阅读 · 2020年2月8日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
NLP基础任务:文本分类近年发展汇总,68页超详细解析
专知会员服务
57+阅读 · 2020年1月3日
【课程推荐】普林斯顿陈丹琦COS 484: 自然语言处理课程
专知会员服务
82+阅读 · 2019年12月11日
推荐一个比吴恩达的还要优质的机器学习课程
算法与数据结构
13+阅读 · 2019年10月19日
知乎火爆问题:CV和NLP哪个前景更好?
PaperWeekly
14+阅读 · 2019年7月16日
为什么说深耕AI领域绕不开知识图谱?
人工智能学家
33+阅读 · 2019年5月30日
为什么所有人都报了这个虐人到哭的训练营?!
人工智能头条
5+阅读 · 2019年5月15日
一文掌握 HanLP 用法
人工智能头条
24+阅读 · 2019年5月9日
10个项目给你答案,19年NLP为什么这么骚
PaperWeekly
34+阅读 · 2018年12月29日
年薪48万的程序员,他究竟做对了什么?
机器学习算法与Python学习
7+阅读 · 2018年12月28日
如何在NLP领域干成第一件事?
AI研习社
13+阅读 · 2017年11月26日
Arxiv
21+阅读 · 2019年8月21日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
6+阅读 · 2018年2月24日
Arxiv
5+阅读 · 2018年1月18日
Arxiv
4+阅读 · 2017年10月30日
VIP会员
相关资讯
推荐一个比吴恩达的还要优质的机器学习课程
算法与数据结构
13+阅读 · 2019年10月19日
知乎火爆问题:CV和NLP哪个前景更好?
PaperWeekly
14+阅读 · 2019年7月16日
为什么说深耕AI领域绕不开知识图谱?
人工智能学家
33+阅读 · 2019年5月30日
为什么所有人都报了这个虐人到哭的训练营?!
人工智能头条
5+阅读 · 2019年5月15日
一文掌握 HanLP 用法
人工智能头条
24+阅读 · 2019年5月9日
10个项目给你答案,19年NLP为什么这么骚
PaperWeekly
34+阅读 · 2018年12月29日
年薪48万的程序员,他究竟做对了什么?
机器学习算法与Python学习
7+阅读 · 2018年12月28日
如何在NLP领域干成第一件事?
AI研习社
13+阅读 · 2017年11月26日
相关论文
Arxiv
21+阅读 · 2019年8月21日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
6+阅读 · 2018年2月24日
Arxiv
5+阅读 · 2018年1月18日
Arxiv
4+阅读 · 2017年10月30日
Top
微信扫码咨询专知VIP会员