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：
  • 

    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。

  • 

    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。

  • 

    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。

  • 

    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。

  • 

    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。

  • 

    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。

  • 

    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。