¥21000:课程全新升级,咨询可优惠

报名加送:新VIP[包未来一年在线课程和全年GPU]

课程简介

在新的一期里,为了夯实基础,我们改进了理论部分的课程内容,并增加了每两周一次考试,力求让每位同学都深刻理解NLP的各大模型、理论和应用。

为了更好的保证就业,我们会精讲八大项目,以及一个开放式项目,并且按照学员的兴趣和就业方向选择最适合报名学员的项目做深入地讲解,让学员在找工作前就能够拥有丰富的NLP项目经验。

  • 内容系统:五大阶段,分别从NLP基础、PyTorch实战、词向量与预训练模型、机器翻译、结构化预测、到问答系统和聊天机器人;
  • 项目实战:提供文本分类、机器翻译、问答系统、FAQ问答机器人、知识图谱、聊天机器人等项目实战、聊天机器人中的语义理解、文本推荐系统,以及一个开放式项目;
  • 就业指导:就业部辅助BAT大咖讲师做简历指导、面试辅导、就业内推。

且持续新增NLP前沿技术,BERT、RoBERTa、ALBERT、Google T5等全部一网打尽。而且继续维持“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。

考虑到市面上几乎所有课程都是以讲技术、讲理论为主,很少有真正带着学员一步步从头到尾实现企业级项目的高端课程,故我们无论哪个方向的就业班,为了在进入项目阶段后更好的实战各项目,不但继续每周进行直播辅导,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 模型评估与优化上线

一切为了学员更好的就业。

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 掌握NLP基础

    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

    在线视频:NLP基础技能

    • 1-NLP背景、意义与常见问题
    • 2-基本文本处理技能:中英文字符串处理、工具分词、基本统计、正则表达式
    • 3-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

    在线直播:NLP基础技术梳理

    • 1-什么是自然语言处理
    • 2-单词与词向量
    • 3-文本分类
    • 4-语言模型

    第二阶段 语言模型与文本分类

    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-平均词包(word averaging)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中的经典深度学习模型精讲

    • 1-循环神经网络RNN
    • 2-LSTM与GRU模型
    • 3-Attention机制

    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

    第三阶段 预训练模型与机器翻译

    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

    在线视频:大规模无监督预训练语言模型与应用(上)

    • 1-Subword Modeling
    • 2-预训练句子向量
    • 3-Contextualized Word Vectors, ELMo
    • 4-Transformer Encoder

    在线视频:大规模无监督预训练语言模型与应用(中)

    • 1-BERT模型介绍和应用
    • 2-BERT的加强版:RoBERTa, ALBERT, ELECTRA, DistillBERT
    • 3-实战:BERT的使用

    在线视频: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-Google T5模型简介

    在线直播:BERT模型精讲

    • 1-复习BERT模型
    • 2-BERT源码精读

    在线直播:预训练模型实战

    • 1-利用BERT做文本分类
    • 2-利用ELMo和BERT完成文本相似度计算
    • 3-用BERT完成命名实体识别

    第四阶段 机器翻译与结构化预测

    在线视频:机器翻译与文本摘要

    • 1-Seq2Seq模型回顾
    • 2-如何构建机器翻译系统
    • 3-如何构建文本摘要系统
    • 4-文本生成类问题的优化方案 Beam Search
    • 5-文本生成类问题的评价指标: BLEU, ROUGE

    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

    在线视频:GAN和VAE模型与文本生成

    • 1-VAE模型和应用
    • 2-GAN模型及其应用
    • 3-文本风格迁移问题

    在线直播:隐马尔科夫模型

    • 1-马尔科夫链与模型定义
    • 2-前向算法与概率计算
    • 3-解码:维特比算法
    • 4-模型训练:前向-反向算法

    在线直播:条件随机场(CRF)模型

    • 1-CRF模型的定义
    • 2-CRF模型的解码
    • 3-CRF模型的训练

    在线实训:使用CRF模型完成命名实体识别

    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

    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

    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
  • 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

    在线直播:项目7 文本推荐系统,和项目8 聊天机器人中的语义理解的介绍

    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

    在线直播:项目7 文本推荐系统,和项目8 聊天机器人中的语义理解的数据准备

    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

    在线直播:项目7 文本推荐系统,和项目8 聊天机器人中的语义理解的模型构建

    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

    在线直播:在线直播:项目7 文本推荐系统,和项目8 聊天机器人中的语义理解的整体实现

    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。有了神经网络,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贯通顺地道的语言。

      项目核心技术点:

      • Seq2Seq模型
      • 引入Attention机制
      • 文本生成的方法
      • 翻译模型的评估
      • Transformer和预训练模型在翻译中的应用
    • 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。

      项目核心技术点:

      • Pointer-Generator模型
      • Coverage机制
      • 文本摘要模型的评估
    • 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。

      项目核心技术点:

      • 根据用户的提问,从百科语料中寻找相关的文本资料。本质上需要实现一个小型的文本搜索系统,可以采用TF-IDF,BM25等方法
      • 利用百科语料和问题构建问答系统,需要用到基于注意力机制的深度学习问答模型
      • 编写前端页面用于用户交互
    • 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。

      项目核心技术点:

      • 通过深度学习模型和监督学习的方法让模型学会判断问题与答案的符合度
      • 使用ELMo,BERT等模型判断问题间的相似度
      • 使用不同的损失函数训练和优化FAQ问答模型的表现
    • 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,我们会学习构建知识图谱的方法,并利用知识图谱来辅助一些NLP任务,例如问答系统、实体链指等等。

      项目核心技术点:

      • 从文本数据中抽取实体,可以使用CRF,BERT等模型
      • 实体链指和消歧,采用BERT等模型将文本中的实体提及匹配到知识图谱中的实体定义
      • 基于知识图谱的问答,涉及对于自然语言问题和知识图谱条目的语义相似度判断
    • 实战项目六 聊天机器人系统

      聊天机器人分很多种,有任务式也有开放式的聊天机器人。这个项目的目标是整合学员在课程中学到的各种NLP知识和模型,汇总成一个可以工作的任务型聊天机器人。

      项目核心技术点:

      • 对于聊天机器人各个模块的深入学习
      • 自然语言理解,理解用户的意图,抽取对话中的关键信息
      • 聊天策略规划,聊天策略可以是简单的记忆策略,也可以是基于transformer的深度学习策略
      • 聊天语言选取和生成,包括检索式和生成式的语言生成
    • 实战项目七 文本推荐系统

      自然语言在推荐系统中能够发挥巨大作用。在商品推荐系统中,商品描述、用户评价等文本资源都可以作为推荐系统的重要特征。

      项目核心技术点:

      • 对商品和用户做自然语言处理的特征描述
      • 使用BERT等模型对自然语言做特征提取
      • 结合商品和用户的特征做打分和推荐
    • 实战项目八 聊天机器人中的语义理解

      在这个项目中,我们要深入地探索聊天机器人中的语义理解模块,从用户的语言中抽取出关键信息,并理解用户的意图。

      项目核心技术点:

      • 聊天机器人中的关键信息抽取,主要的方法是基于BERT和CRF等模型的实体识别
      • 聊天意图识别,基于深度学习模型的用户聊天意图分类
      • 语义理解模型的部署和调用
    • 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:八大项目的总结与就业辅导

    • 1-八大项目总结
    • 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 开放式项目

    对于在课程中表现特别优秀的学员,我们会邀请参加为期五周的开放式项目。

    学员根据自己的兴趣和求职的方向选择实战项目,导师和助教团队会全程提供指导。选择的项目可以围绕自己所熟悉的任何NLP场景,项目可以偏向学术科研,也可以偏向工程实践,也可以是参加各种比赛和评测(例如CCKS、NLPCC等):

    • 第1周,导师与学员一同制定课题,寻找必要的数据、代码、论文资源。
    • 第2周,学员跑通基线模型。
    • 第3-4周,针对基线模型进行针对性的拓展和提升。
    • 第5周,完成项目报告。学员需要准备一个30分钟的项目展示,导师和助教会提供反馈。

    针对优秀的项目,根据学员的意愿,导师可以继续提供辅导将项目成果写成论文,发表成NLP顶会论文。

  • 第六部分 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

  • 张老师

    NLP技术专家,大厂资深研发 现任国际某大厂资深NLP研发,并曾在自然语言处理和人工智能顶级会议ACL,EMNLP,AAAI上发表数十篇论文。对自然语言处理和对话系统有深入研究。

  • 陈博士

    七月在线AI Lab负责人兼科学家。历任浪潮集团数据科学家,国家电网人工智能行业应用方向团队负责人。参与过一国家863项目,且曾主持一山东省自主创新及成果转化专项,发明专利十余项,专业论文十余篇。对机器学习、NLP相关技术的原理推导,以及深度学习在能源、通信、气象等传统行业的应用深有研究。

  • 赵老师

    多年ML/DL项目经验,专注NLP方面,对序列标注、分文分类,文本匹配,文本摘要,智能问答等文本任务均有实际项目经验,讲课通俗易懂,课程项目均为工业场景。

就业信息

为保护学员隐私利益,特隐晦部分敏感信息,且限于篇幅,只节选部分

学员面经

双非渣本转行NLP:买过各种课 走过不少弯路

“准备期间一直不断的买各种机构的课程,陆陆续续也看了很多,走了不少弯路。后面决心准备转行就裸辞,由于心里没底,陆陆续续打听多家,最后决定报七月的nlp就业小班4期,顺便对之前自己自学的一部分知识进行整理和补充,希望能从事NLP相关的工作。”

完整面经>

大数据换行某电商公司NLP面经、总结

“在找工作的时候,一定要好好梳理简历,这个七月有专门的老师给建议,也会拉群,有疑惑向他们求助回应也及时,在这里感谢一下帮我梳理简历,还有给项目意见的就业班老师。另外关于投递简历,前期海投回应少是正常的,重要的是坚持,并且总结筛选。另外一个渠道就是七月发布的一些岗位信息,自己多留意。”

完整面经>

算法工程师:肩上扛是脑子,不是皮球(NLP最新面试35题)

“带我们看英文论文,分析源码,教我们NLP最新技术,提供丰富的学习资源,提供简历的修改建议,项目的优化方案等等,在这过程中,我学习到的不仅仅是当前NLP领域的技术,更多的是一种思维方式和学习方法的转变,一名合格的算法工程师应该有的专业素养及个人修养,其重要性远甚于某个模型的公式推导及应用的。”

完整面经>

大数据转型NLP:通过小课入门后再学就业班最终拿到30多万

“在项目阶段,是阶梯式的,从简单一步一步深入,最终,老师对带领我们,接触到最新的NLP算法。并且,不是那种干巴巴的给我们讲,这些项目老师都会带着我们进行实践,并且解释,算法为什么会比起以前的算法效果更好。在老师给我们讲完项目之后,一定要动手去写代码,这是非常重要的,会让我们更加理解算法。”

完整面经>

本科会计转行NLP:被面试官问道就算会做那也是半路出家,你真的能做好吗?

“再到面试,主要还是讲一讲我拿到offer的这个,岗位主要是做聊天机器人研发。首先我觉得最重要的前面讲的耐心,让我有运气遇到一个与我较匹配的岗位。面试过程主要都是聊项目、聊学习,前面的实践经验都可以拿出来分享了,给面试官的印象是,我确实做过,确实会做,并且前面提到的在公司内一些实践经验那都是更实际的东西。产生一定的信任基础是非常重要的,尤其是转行。再然后就是学习能力了,面试官可能会想:就算会做那也是半路出家,你真的能做好吗?学习意愿以及学习能力是自己的强项,需要重点的表达。”

完整面经>

NLP就业面经:非CS专业的应届博士经历的各种“拷问”

“简历上的每一个字都需要知道为什么要这么写?很多面试官不会太care你讲的通用模型(因为大家都会讲),关键是在于你做的东西有没有自己的见解,为什么要这么做?如果现在让你再做一遍,有哪些新的想法可以用上去?为什么?”

完整面经>

双非菜鸟算法面试经历:从几乎不写代码到成功转行NLP

“研三上学期的时候开始找工作,学校没有什么氛围,当时已经是11月了,过了秋招的黄金时间。自己也没有什么准备,就硬着头皮上了,面了一家公司,5min搞定,被面试官一阵怼,灰溜溜的跑了。后面意识到这个问题之后,开始着手准备。在下学期报了七月在线的NLP就业3,每天跟着学习,确实收获了不少东西。”

完整面经>

百度、华为、头条NLP面试就业分享:曾三年Java现拿到45万

“我是软件工程硕士毕业的,目前在高校里面做算法研究工作,主要是深度学习在GIS领域的一些应用,在顶会也水了篇论文,还有篇期刊文章再审。在这之前有过3年的Java服务端开发经验和2年的旅游经验。因为现在NLP这个领域比较热门加上自己也对NLP比较感兴趣(看起来比较好玩),所以来到七月这边来学习(报的NLP就业3),顺便对之前自己自学的一部分知识进行整理和补充,希望能从事NLP相关的工作。”

完整面经>

工作6年的本科生从Java转NLP面试分享:曾完全不会写简历

“简历确实很难写,工作那么多年了,不能把整体内容写得很初级;但是如果没有真实做过,确实也写不出非常行云流水的项目来。比如说项目是怎么迭代的、迭代了哪些点、取得了什么样的成果、投入了多少时间、你本人负责哪些工作、你都是怎么做的、项目的实际落地情况等等,每个问题都能把我们问倒。为了能够从容的应付这些问题,我花了很长时间,不断的和任课老师讨论项目的细节,每次讨论,我都会对项目做一些细微的调整。还有项目涉及的一些技术细节和老师课上提到的面试需要准备但课上没讲的技术,我也是一项一项的攻克,当然很多项技术都是在老师的指导下攻克的。在经历了一个月左右的紧张的准备,我的简历完成了。”

完整面经>

20年应届生如何在没项目、没实习、没竞赛、没paper的情况下拿到NLP算法岗年薪30万

“背景:211硕士,20年应届毕业生,通信专业。本人研一下学期通过《数据挖掘》这一门选修课程才开始接触AI领域,随后便开始自学机器学习。在七月购买的第一个课程是《NLP到word2vec实战班》。学完该课程的整体感觉是:知识点讲解十分透彻,通俗易懂。个人认为,跟着七月视频学习比自己独立学习的效率高得多。所以,便果断的报名了七月的《自然语言处理班》,通过这个课程系统的学习过NLP。时间过得很快,在研三上学习准备找工作的时候发现自己没有NLP相关项目(导师做信号处理方向)、没实习(导师禁止学生出去实习)、没竞赛、没paper。因此,在那段时间自己真的很慌,每天都很焦虑。基于多方面的考虑及对七月的信任,我加入了NLP就业班的学习。”

完整面经>

干货满满的嵌入式换行NLP面经:NLP面试100题汇总

“心得体会就是,需要每天花时间去学习,做好知识的整理和总结。尤其是每个课程之后的作业,需要自己亲自去将每一行代码理解了。学完一整个体系的知识点之后,最好把知识点连成线,能够根据算法随时间发展的流程,将每个算法的优缺点说出来。”

完整面经>

非科班运维开发转NLP40万的经验:LeetCode不能漏刷

“我是NLP就业班学员,之前有一定的机器学习和CV的基础。由于没有项目经验,也没想好自己要从事传统机器学习、图像还是其他机器学习领域,面试的时候有些受挫。加入NLP就业班的目的很简单,第一就是选择了一个专攻方向,第二就是有项目可以写到简历上。”

完整面经>

本科坐标成都且2年iOS:我是如何拿到华为offer并涨薪80%的

“我3年工作经验,其中2年苹果软件IOS开发经验,1年NLP开发经验”

完整面经>

NLP求职经验分析

“对于我来说,校招岗的准备是需要算法与数据结构以及深度学习同时进行的,并且还要有一定的数据库基础,希望后面的人可以更早的准备吧。而且是否能让你的简历更不容易体现出跨专业的不足也是需要细心准备的。 ”

完整面经>

来自菜鸟程序员血淋淋的教训:从最初各种被拒到最新年薪近60万

“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>

非科班菜鸡转行NLP的经历:从春招找到秋招,投上百家 拿多个offer

"滴滴一面挂(滴滴是我的第一个面试),准备的模型推导结果第一次推还是很不流畅。大华要求必须会c++,不欢而散;最终杭州某公司给了数据挖掘的实习。"

完整面经>

留学生数据分析转NLP的面经:seq2seq、transformer、bert基本必考

"不得不说对于找算法类的工作,leetcode绝对是基础,在面试时,基本都需要手撕代码,所以提前准备好这个方面真的十分重要,一对一辅导班中导师有推荐一些可以学习以及练手的项目,并在学习之后也推荐了一些可以写在简历上并可以继续研究的项目,对于一些问题也有很详细的解答,接下来我把面试中一部分的经验总结一下,希望可以帮助到大家。"

完整面经>

NLP水硕校招面经:SVM、注意力机制、bert基本必问

"春招时看,nlp岗位真的没有cv岗位数量多。svm基本必问,注意力必问,bert基本必问。简历上项目写详细,防止了面试官瞎问,比如一些boost,我根本没实际用过就试着跑过模型也没啥细节感受,虚得很,但是限于简历上的够问了,基本没被问到。“有问题,用模型,懂源码,会推导”不然就会被尴尬地问住(自己的血泪教训)最后祝大家都能找到心仪的工作。"

完整面经>

时间安排

2020年11月1日开班,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: july@julyedu.com
  • 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

¥21000:课程全新升级,咨询可优惠

报名加送:新VIP[包未来一年在线课程和全年GPU]

尚未开课,开课后立即上传课程~

{{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