十二月内报名加送:新VIP[包未来一年在线课程和全年GPU]
在新的一期里,为了更好的保证就业,不但继续维持上一期的:
而且新增“语言模型、文本分类、结构化预测”这三次大作业的辅导,更好的提升代码和项目能力:
不仅如此,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:
且特地新增两大新的实战项目:“FAQ问答机器人 ”,和“知识图谱”,一切为了学员更好的就业。
面向群体: 因为本课程采用严格筛选制(通过率不到1/3),需要具备一定的基础能力才能入营,故以下同学优先:
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。
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。
在线视频:NLP基础技能
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
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
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
在线直播:NLP基础技术梳理
在线视频:深度学习回顾与PyTorch简介
在线实训:用PyTorch编写一个简单的分类器
在线视频: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
在线实训:用三种神经网络做文本分类
在线直播:NLP中的ConvNet
在线直播:大规模无监督预训练语言模型与应用(上)
在线视频:词向量与相关应用
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
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)
在线直播:大规模无监督预训练语言模型与应用(下)
在线视频: 基于统计的翻译系统
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
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
在线直播:GAN和VAE模型与文本生成
在线视频: 问答系统
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
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
在线直播: 聊天机器人
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
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
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
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: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。
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。
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。
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。
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。
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。
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。
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。
在线直播:六大项目的总结与就业辅导
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。
芝加哥大学计算机博士,研究方向为NLP,熟练当前深度学习在NLP领域的模型与应用,以及pytorch、pandas等python库,设计的jupyter notebook和作业备受学员称赞,主讲的七月在线《PyTorch的入门与实战》更是被学员誉为最好的PyTorch课。
知名互联网公司算法专家,多年自然语言处理、机器学习的从业经验。热爱技术,并一直跟进NLP、ML等领域的最新技术进展。
“首先拿到进入面试的门票,就是你的简历。如果你是双非本科,尽可能突出项目和经历,通过工作经验获得面试的机会,突出熟悉的算法,机器学习和深度学习都要有所准备。工作经验中突出你的算法项目,展现出你的突出贡献,突出你熟悉的算法,为面试问题做准备,先获取面试机会”
完整面经>2019年11月11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。
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。
报名本就业班的步骤如下
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)。
周老师:18910848502(微信同步)
email:july@julyedu.com
{{blessingTip}}
{{seconds}}s