课程简介

2017年7月,我们创新出了线上线下结合的集训营模式,虽然把线下比例压缩到了比较低,但还是有不在我们主要城市的朋友。

所以,2018年4月,我们推出了在线的一对一就业班,但更多是偏高端定制,还有部分学员希望除了BAT大咖的定向辅导之外,还能有和其他同学一块学习的氛围,故推出AI就业班的强化版:三大垂直方向的就业班,CV NLP 推荐,核心就是BAT大咖小班教学且保证就业。

且为保证服务体验,会沿用七月在线完整的“作业考试且批改”的完善教学机制。此外,依然针对每一个人的不同情况给予个性化定制辅导,定制学习路线,并优化简历,定制与教授项目。

面向群体: 因为本课程采用严格筛选制(每期招生不超过50人,通过率不到1/3),需要具备一定的基础能力才能报名通过,故以下同学优先:

  • 高校CS,数学理工科相关专业的往届或应届研究生,985或211的同学优先
  • 有2年以上开发经验或数据分析经验的本科生
  • 已有一定的机器学习、深度学习基础,比如学过七月在线的ML、DL课程

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:学习定制

    机构根据学员的背景(学历和工作经验等)设定合适的方向与项目、明确需要掌握的知识点,协助学员进行查漏补缺,向学员推送定制的教学资源和直播答疑。学员学好后进行考核,顺利通过阶段考核的学员,才能进入下一阶段的学习。未能通过考核的重新学习,连续两次考核不通过者劝退。对中途报名的,根据自身情况进入相应阶段进行学习,考核同上。

    第一阶段 预习机器学习与深度学习基础

    在线视频:机器学习基础和神经网络

    • 1-线性分类器原理推导
    • 2-神经网络基础——前向传递和反向传播算法
    • 3-神经网络调参实践

    在线实训:使用TensorFlow/Keras快速搭建神经网络进行图像分类

    在线视频:深度卷积神经网络原理与实践

    • 1-卷积操作的物理意义
    • 2-深度卷积神经网络的基本结构
    • 3-卷积层的参数个数、输出维度的计算

    在线实训:百行代码实现Kaggle图像分类竞赛Top-5%

    第二阶段 掌握深度学习高级技巧

    在线视频:解析STOA深度卷积神经网络及调参优化技巧

    • 1-深度卷积神经网络结构的发展历史——从AlexNet到DenseNet
    • 2-降低深度网络参数的大杀器——深度可分离网络
    • 3-深度网络模型的训练优化实践经验和技巧

    在线实训:使用Autoencoder和ConvNets构建图像搜索系统

    在线视频:大规模车辆图片搜索/重识别(ReID)

    • 1-深入理解Triplet Loss及其训练技巧
    • 2-基于多任务的深度学习技术
    • 3-融合多任务和Triplet Loss

    在线实训:使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统

    在线考试:神经网络与CNN

    • 重点考察神经网络和卷积神经网络的训练和优化基本过程,卷积神经网络 的基本概念,卷积层输出和参数量的计算方法,以及STOA卷积网络结构的 基本理解。

    在线直播:深度卷积神经网络若干实用Tricks

    • 1-考试试题分析
    • 2-Beyond python train.py: 训练CNN的若干实用Tricks
    • 3-Reading Learning Curves: 练就CNN调参大师

    第三阶段 掌握目标检测与语义分割

    在线视频:目标检测及其在无人驾驶领域的作用

    • 1-目标检测的任务、Benchmark以及评价指标
    • 2-2-Stage模型:R-CNN、Fast R-CNN、Faster R-CNN
    • 3-1-Stage模型:YOLO系列和SSD
    • 4-初步了解无人驾驶中的视觉问题(以KITTI数据库为例)

    在线实训:使用TensorFlow/PyTorch在COCO数据集上进行目标检测

    在线视频:深度学习在图像语义分割中的应用

    • 1-全卷积网络FCN
    • 2-基于Encoder-Decoder思想的U-Net系列方法
    • 3-空洞卷积和Deep Lab系列

    在线实训:使用TensorFlow在CoCo数据集上进行语义分割

    第四阶段 掌握CV的技术前沿:RNN与GAN

    在线视频:RNN及其应用(image captioning and VQA)

    • 1-RNN介绍
    • 2-LSTM介绍和背后的梯度解释
    • 3-基于RNN的图像解释和图像问答任务

    在线实训:使用Keras/PyTorch 搭建一个图像解释模型并分析成功与失败的原因

    在线视频:深度学习前沿:理解AlphaGo (强化学习) 和生成模型(GAN)背后的原理

    • 1-深度强化学习原理
    • 2-对抗生成模型原理及各种变法(Basic GAN, DC-GAN, W-GAN, 等)
    • 3-基于GAN网络的风格迁移学习

    在线实训:手把手教你如何使用TensorFlow/PyTorch实现GAN 和 强化模型

    在线考试:CNN在CV领域中的应用

    • 重点考察卷积神经网络(CNN)在更多应用场景中的使用,如物体检测、语义分割等,包括其里程碑式的模型的基本理解,如Faster-RCNN和U-Net等。 也会涉及到一些循环神经网络(RNN)和序列到序列(Seq2Seq)模型的基本概念理解和灵活运用的场景。

    在线直播:掌握物体检测与GAN

    • 1-考试试题分析
    • 2-物体检测前沿技术划重点
    • 3-深入理解生成式对抗网络模型及其常见变种
  • 第三部分:面试求职

    针对特定方向的定制化项目(如CV实战项目),进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推,面试与反馈迭代,最终帮助学员成功拿到offer。

    第一阶段 简历与项目定制

    • 1-大型公司的招聘方向与需求分析,并选择方向,然后针对特定方向的定制化项目,进行简历调整与完善:一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
    • 2-实用面试技巧若干

    第二阶段 面试辅导与内推

    • 1-名企面试官模拟面试与内推 (Seven老师会给班级里面的每一位学员电话面试,按照BAT中AI/CV算法工程师岗位的要求来面试并且打分,并当场给予分数反馈和调整建议)
    • 2-面试与反馈迭代
    • 注:实战项目会根据市场环境,学员综合情况动态调整。
  • 第四部分: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。

讲师介绍

  • Seven博士

    博士毕业于国内Top5高校,在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官,授课风格深入浅出、诙谐幽默。

学员评价

时间安排

3月18日开学,越早报名越早享受到BAT大咖的一对一个性化定制。 一个月的学习周期(包括直播、实训、考核,连续两次考核成绩不达标者 劝退),一个月的内推周期。 除了BAT大咖之外,配备3个助教(辅助讲师答疑、作业考试且批改)。

课程价格

订金¥3999元,签订劳动合同后补交一万五。

其中,订金包括基础学费(含课程和辅导费用),和综合服务费(含项目定制与指导/简历优化/面试推荐服务费用)。

报名流程

报名本就业班的步骤如下

  • 1、点击此处,下载申请表
  • 2、填写好申请表后,和简历一并发送至邮箱:july@julyedu.com
  • 3、我们会在五个工作日之内沟通后续事宜

PS:申请表和简历不得造假(包括但不限于:学历不得造假、教育经历不得造假、工作履历不得造假,一经发现,立即取消入学资格,且相关后果自负)。

课程咨询

周老师:18910848502(微信同步)

email:july@julyedu.com

限时特惠价:订金¥3999 + 就业后补交一万五