课程简介

本计算广告就业小班在市面上常见课程的基础上,针对就业和小班教学做了大量的深度和个性化定制,在线直播部分增加更多系统架构相关的内容,更加切合工业界对资深算法工程师的要求。且项目部分会全程有老师和助教跟进,定制与教授项目,并优化到简历上。

此外,在七月下旬时,课程进行了重大升级,把前六周中本来一周一次直播改成一周两次直播,相当于直接新增了如下六次直播(更重要的是课程没涨价):

  • 1. DSP广告技术详解
  • 2. Hidden Markov Models实战
  • 3. CTR预估常用建模调参技巧综述
  • 4. 在线学习技术的实战和挑战
  • 5. 流量时序预估模型进阶
  • 6. 拍卖理论与机制策略研究

但这还不够,于是在八月下旬时,又对实战项目进行大升级,在原有四大实战项目的基础上额外增加三大项目:

  • 基于XDL面向高维稀疏数据场景的多目标学习任务实战
  • LinUCB和Q-Learning实战
  • 深度学习在CTR预估问题中的前沿研究

两次大改进之后,12月下旬,为了让学员进入项目阶段后更好的实战各项目,不但每周进行直播辅导,而且标准化项目阶段的完整流程:

  • 第一阶段 整体流程介绍与项目任务书发布
  • 第二阶段 环境配置与特征工程
  • 第三阶段 模型构建与迭代优化
  • 第四阶段 模型的评估、优化与上线

一切为大家更好的学习和就业。

面向群体: 本课程适合应届研究生就业找工作,或在职上班族提升,采用严格筛选制(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:

  • 985或211高校的CS、数学理工科相关专业的应届或往届研究生
  • 有2年以上开发经验或数据分析经验的优秀本科生
  • 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 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 计算广告业务背景及相关技术整体介绍

    在线视频:计算广告背景

    • 1-在线广告综述
    • 2-计算广告基础
    • 3-在线广告产品概览
    • 4-在线广告产品分类
    • 5-文本挖掘之倒排索引与TF-IDF

    在线实训:倒排索引

    在线视频:主流产品核心技术概述

    • 1-搜索广告
    • 2-展示广告
    • 3-信息流广告
    • 4-最基本的机器学习算法:LR与随机梯度下降

    在线实训:随机梯度下降LR

    在线直播:工业界计算广告核心业务系统架构揭秘

    • 1-搜索广告系统架构
    • 2-信息流广告系统架构
    • 3-社交广告系统架构

    第二阶段 计算广告核心技术之广告召回

    在线视频:搜索广告的相关性匹配技术

    • 1-NLP的基础知识,BOW, TF-IDF, BM25
    • 2-word2vec, topic model
    • 3-向量召回,embedding基础

    在线实训:深度网络中embedding的应用

    在线视频:非搜索广告targeting技术

    • 1-传统广告定向技术
    • 2-人口学,地理位置, 用户行为
    • 3-社交网络定向技术
    • 4-相似受众定位(Looklike)

    在线实训:2018腾讯广告算法大赛相似人群拓展

    在线直播:从word2vec到向量召回: 论embedding的发展史

    • 1-word2vec算法简介
    • 2-随机游走和图网络结构的应用, item2vec
    • 3-召回系统的架构和向量召回

    在线直播:Hidden Markov Models实战

    • 1-HMM的建模过程
    • 2-viterbi algorithm
    • 3-HMM的应用

    第三阶段 计算广告核心技术之CTR预估一

    在线视频:CTR预估A

    • 1-LR/FM
    • 2-FTRL
    • 3-离散特征设计

    在线实训:Kaggle广告比赛实战

    在线视频:CTR预估B

    • 1-XGBoost
    • 2-连续值特征设计
    • 3-Wide & Deep

    在线实训:GBDT+LR的算法原理

    在线直播:大规模人工特征工程设计方法论介绍

    • 1-人工特征工程的起源
    • 2-人工特征工程设计方法论
    • 3-人工特征工程论文介绍

    第四阶段 计算广告核心技术之CTR预估二

    在线视频:Explore&Exploit

    • 1-广告中的explore和exploit
    • 2-MAB之thompson sampling
    • 3-MAB之UCB

    在线实训:thompson sampling 实现

    在线视频:CTR预估C

    • 1-Parameter Server, Distbelief
    • 2-server和worker, 每个group的作用
    • 3-大规模机器学习框架对于数据并行和模型并行的处理

    在线实训:Tensorflow的基本架构讲解

    在线直播:深度学习中的CTR预估技术

    • 1-从FM开始的基于embedding的技术
    • 2-从MLP开始的基于深层网络的技术
    • 3-自动特征工程和VC维

    在线直播:在线学习技术的实战和挑战

    • 1-在线学习的技术挑战
    • 2-在线学习的数据流和采样算法
    • 3-在线学习的优化算法

    第五阶段 计算广告核心技术之拍卖机制

    在线视频:广告拍卖机制

    • 1-GFP/GSP/VCG
    • 2-RTB/合约
    • 3-Pacing
    • 4-流量预估(时序模型、回归模型、RNN)

    在线实训:Web Traffic Time Series Forecasting(Kaggle流量预估)

    在线直播:计算广告系统和生态链介绍

    • 1-RTB系统架构
    • 2-DSP/ADX/DMP等计算广告生态链介绍
    • 3-合约广告技术基础

    在线直播:流量时序预估模型进阶

    • 1-数据处理、特征工程
    • 2-回归模型、时序模型
    • 3-RNN、Seq2Seq模型

    第六阶段 计算广告核心技术之转化

    在线视频:转化

    • 1-衡量转化指标,转化漏斗
    • 2-目标转化出价oCPC,智能出价oCPA
    • 3-CVR之ESMM

    在线实训:腾讯2017社交广告比赛(广告转化率预测)

    在线直播:拍卖理论与机制策略研究

    • 1-博弈论基础,不完全信息博弈
    • 2-广告拍卖理论,均衡分析
    • 3-最优机制设计,平台机制优化

    在线直播:智能出价技术进阶

    • 1-智能出价介绍
    • 2-混竞模型、oCPM、oCPC
    • 3-动态起拍价、客户ROI优化
  • 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:

    第一阶段 整体流程介绍与项目任务书发布

    在线直播:项目2 基于序列化的embedding建模,和项目6 深度学习在CTR预估问题中的前沿研究的介绍

    在线直播:项目1 广告系统点击率预估,和项目3 社交广告核心技术实战的介绍

    在线直播:项目4 广告转化率预估进阶实战,和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的介绍

    第二阶段 环境配置与特征工程

    在线直播:项目2 基于序列化的embedding建模,和项目6 深度学习在CTR预估问题中的前沿研究的数据准备

    在线直播:项目1 广告系统点击率预估,和项目3 社交广告核心技术实战的数据准备

    在线直播:项目4 广告转化率预估进阶实战,和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的数据准备

    第三阶段 模型构建与迭代优化

    在线直播:项目2 基于序列化的embedding建模,和项目6 深度学习在CTR预估问题中的前沿研究的模型构建

    在线直播:项目1 广告系统点击率预估和,项目3 社交广告核心技术实战的模型构建

    在线直播:项目4 广告转化率预估进阶实战,和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的模型构建

    第四阶段 模型的评估、优化与上线

    在线直播:项目2 基于序列化的embedding建模,和项目6 深度学习在CTR预估问题中的前沿研究的优化

    在线直播:项目1 广告系统点击率预估,和项目3 社交广告核心技术实战的优化

    在线直播:项目4 广告转化率预估进阶实战,和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的优化

    • 实战项目一

      广告系统点击率预估

      点击率预估是计算广告中最核心的技术,涉及机器学习算法、特征构建,分布式系统多个重要技术难点,我们针对Kaggle的广告数据比赛进行学习和研究,通过该项目熟悉常用的CTR预估算法及其应用,包括LR,FM,FFM, XGBoost, Deep & Wide。

    • 实战项目二

      基于序列化的embedding建模

      Embedding是极为常用的算法, 也是面试必考的问题之一. 我们会从embedding的原理入手, 在领悟其数学本质的同时, 展现其在建模方面的应用. 我们会讲解word2vec背后的数学原理和优化点, 以及这种技术如何在序列化的建模中进行推广. 并且加上tensorflow的代码, 使得学员对于embedding有一个全新的认知.

    • 实战项目三

      社交广告核心技术实战

      社交广告作为社交网站最核心的变现产品之一,相比其他的广告产品,有其独特的核心技术,包括人群拓展,转化预测等,该项目以腾讯公开的数据和比赛为出发点,深入探究社交广告的核心技术,加强学员对工业界最前沿技术的掌握和理解。

    • 实战项目四

      广告转化率预估进阶实战

      广告转化率预估是在线广告的核心技术之一,涉及特征工程、机器学习、深度学习、分布式系统多个知识,本次以腾讯社交广告大赛的CVR预测为案例进行实战。以移动App广告为研究对象,预测App广告点击后被激活的概率,即给定广告、用户和上下文情况下广告被点击后发生激活的概率。主要涉及到逻辑回归、LightGBM、 WDL 神经网络等技术。

    • 实战项目五

      基于XDL面向高维稀疏数据场景的多目标学习任务实战

      X-DeepLearning(简称XDL)是阿里开源的面向高维稀疏数据场景的深度学习解决方案,适用于广告、推荐、搜索等业务场景。而Entire Space Multi-task Model (ESMM)是阿里妈妈广告算法团队研发的多任务联合训练算法范式,主要解决传统CVR预估任务中面临的样本选择偏差和训练数据稀疏等问题。本实战项目针对广告领域的高维稀疏数据场景,深入探索多目标学习的实际应用,提升学员的技术视野和实战能力。

    • 实战项目六

      深度学习在CTR预估问题中的前沿研究

      点击率预估是计算广告中最核心的技术,除了传统的LR,FM,GBDT技术之外,近年来有大量的学术论文试图通过深度学习的技术优化点击率预估问题,其中Wide&Deep是最广为熟知的技术方案,除此之外,还有DeepFM,DCN,DIN等各种深度学习模型。本项目面向对机器学习、深度学习基础较为扎实的同学,通过阅读论文以及例子,深入理解深度学习在CTR预估问题上的应用。

    • 实战项目七

      LinUCB和Q-Learning实战

      LinUCB算法是最为常用的bandit算法,Q-learning和Sarsa是强化学习的基石。在回顾和讲解这两个算法的同时,我们会带领大家从0开始实现这两个算法,讲解他们在实现中的关键点,以及基于梯度下降和off-policy、on-policy三种截然不同的更新方法的学习。同时我们也会讲解在工业界中的实现方案,在分布式环境中需要注意的问题。

  • 第四部分 面试求职

    针对特定方向的定制化项目,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 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2 基于序列化的embedding建模,和项目6 深度学习在CTR预估问题中的前沿研究的项目总结
    • 2-项目1 广告系统点击率预估,和项目3 社交广告核心技术实战的项目总结
    • 3-项目4 广告转化率预估进阶实战,和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的项目总结

    第二阶段 面试辅导与内推

    • 1-名企面试官模拟面试与内推 (BAT大咖讲师会给班级里面的每一位学员电话面试,按照BAT中AI/推荐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。

讲师介绍

  • 杨老师

    广告算法和推荐算法专家,5年BAT互联网技术开发管理经验,有丰富的广告系统、推荐系统研发经验,分别在百度核心搜索广告算法团队以及腾讯某重要推荐算法团队工作4年。

  • Duncan老师

    广告算法工程师,就职于BAT的商业变现部门,在点击率预估、智能出价、投放策略等方面有丰富经验。

  • 章老师

    排序算法,广告算法和营销算法专家,BAT三年工作经验,在计算广告系统架构的搭建,实时流计算,相关算法技巧和运筹优化方面有丰富的经验。

时间安排

2019年12月30日开学,越早报名越早享受到BAT大咖的一对一个性化定制。

一个半月的学习周期(包括直播、录播、实训、答疑、考试),一个半月的项目和就业周期,且配备全职科学家、全职助教、全职就业老师辅助讲师进行课程答疑、项目辅导、简历指导、就业内推。

课程价格

收费:¥21000

包含课程费用、项目费用、就业费用,审核通过且报名后签订就业协议,了解详情或优惠,敬请咨询。

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:zhangjiaojiao@julyedu.cn
  • 3、我们会在两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

张老师:18610663100(微信同步)

email:zhangjiaojiao@julyedu.cn

¥21000:课程全新升级,咨询可优惠

二月内报名加送:新VIP[包未来一年在线课程和全年GPU]

  • 课程 {{item.course_title}} {{item.simpledescription}}
    去使用 去使用 有效期{{item.expire_time}}天
    优惠券 {{item.price}} 元 全场通用 仅用于{{item.course_title}}
领取
领取成功

{{blessingTip}}

{{seconds}}s

您有1个待支付尾款的课程
再不支付就要过期了!
点击查看
继续聊天