课程简介

在新的一期里,为了夯实基础,我们改进了技术部分的课程内容,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。

本期除了继续维持上一期的:

  • 五大阶段:分别从NLP基础技能、深度学习在NLP中的应用、Seq2Seq文本生成、Transformer与预训练模型、模型优化等到新技术的使用,包括且不限于GPT、对抗训练、prompt小样本学习等。
  • 八大项目: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;
  • 标准流程:环境配置与特征工程、模型构建与迭代优化、模型评估与优化上线;
  • 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。

在新的一期里,我们改进了技术阶段的课程内容,比如新增数据增强等内容。

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,为了让大家更好的在职提升,本期继续由大厂技术专家手把手带你实战大厂项目。

面向群体: 本课程适合已经在做AI的进一步在职提升,比如在职上班族跳槽涨薪/升职加薪,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
  • 已有一定的AI在职开发经验,比如正在公司做AI想在职提升
  • 已有一定的AI项目经验,比如学过七月在线的机器学习集训营

实战项目

企业项目

  • 企业项目一

    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
  • 企业项目二

    文本摘要系统

    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
  • 企业项目三

    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
  • 企业项目四

    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

实训项目

  • {{item.title}}

项目介绍

项目核心技术点:

  • {{item.dec1}}
  • {{item.dec2}}
  • {{item.dec3}}

讲师团队

  • 张博士
    NLP技术专家,大厂资深研发

    任职于某国际大厂,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。

  • 赵老师
    大厂NLP高级算法研发

    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。

  • 陈博士
    AI/NLP方向的技术专家

    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。

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。

    预习阶段 NLP基础技能

    在线视频NLP中的文本处理相关技术

    • 1-NLP背景与发展现状
    • 2-中英文字符串处理
    • 3-常见中英文分词方法
    • 4-正则表达式使用方法
    • 5-数据清洗、提取与统计

    在线视频:NLP中的文本表示相关技术

    • 1-One-hot与Bag of words表示
    • 2-TF_IDF与TextRank关键词提取
    • 3-glove生成词向量
    • 4-fasttext生成词向量
    • 5-word2vec生成词向量

    在线实训:使用不同方法生成词向量

    在线视频:word2vec原理通透讲解

    • 1-CBOW与Skip-gram模型
    • 2-基于层序softmax的模型训练过程
    • 3-基于负采样的模型训练过程
    • 4-负采样的采样方法

    在线实训:word2vec负采样算法实战

    在线直播:开班宣讲

    第一阶段 深度学习在NLP的应用

    在线视频:循环神经网络与Pytorch框架

    • 1-深度神经网络DNN模型
    • 2-循环神经网络RNN模型
    • 3-梯度爆炸与梯度消失问题
    • 4-LSTM模型与GRU模型原理
    • 5-Pytorch框架定义网络模型

    在线视频:基于RNN的文本分类与语言模型

    • 1-文本分类与语言模型任务
    • 2-文本分类与语言模型评估指标
    • 3-基于词向量平均的文本分类
    • 4-基于LSTM的文本分类
    • 5-基于LSTM的语言模型

    在线视频:基于CNN的文本分类

    • 1-卷积神经网络CNN模型原理
    • 2-卷积、池化与全连接
    • 2-基于CNN的文本分类

    在线直播:文本相似度计算与文本匹配模型

    • 1-文本相似度计算
    • 2-DSSM模型
    • 3-ESIM模型
    • 4-ELMO模型原理

    第二阶段 Seq2Seq文本生成任务

    在线视频:基于Attention机制的Seq2Seq任务

    • 1-Encoder和Decoder过程
    • 2-基于Attention的Encoder和Decoder过程
    • 3-注意力机制attention

    在线视频:Seq2Seq任务—机器翻译与本文摘要

    • 1-机器翻译与文本摘要任务
    • 2-Seq2Seq任务常用模型
    • 3-Encoder和Decoder过程
    • 4-Seq2Seq任务的评价指标
    • 5-Greedy Search与Beam Search

    在线视频:基于Luong Attention的机器翻译

    • 1-Bahdanau Attention原理
    • 2-Luong Attention原理

    在线视频:隐马尔可夫模型原理

    • 1-隐马尔可夫模型的定义
    • 2-概率计算算法
    • 3-学习算法与预测算法
    • 4-隐马尔科夫模型与序列标注

    在线视频:条件随机场模型原理

    • 1-生成模型与判别模型
    • 2-Log-Linear模型
    • 3-条件随机场模型

    在线直播:命名实体识别与CRF应用

    • 1-隐马尔科夫模型应用:HMM分词
    • 2-命名实体识别任务介绍
    • 3-案例:BiLSTM进行命名实体识别
    • 4-案例:BiLSTM+CRF进行命名实体识别

    第三阶段 Transformer与预训练模型

    在线视频:Transformer模型原理

    • 1-Transformer模型结构
    • 2-Self Attention机制
    • 3-Transformer encoder
    • 4-Transformer decoder

    在线视频:Transformer模型源码解读

    • 1-Transformer模型结构源码
    • 2-Transformer encoder源码
    • 3-Transformer decoder源码

    在线视频:BERT模型原理

    • 1-Transformer通用特征提取器
    • 2-BERT掩码设计
    • 3-模型架构及代码实现

    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
    • 2-Contextualized Word Vectors, ELMo
    • 2-Transformer Encoder

    在线视频:大规模无监督预训练语言模型与应用(下)

    • 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

    在线直播基于GPT模型实战

    • 1-GPT模型原理
    • 2-GPT-2与GPT-3
    • 3-基于GPT的闲聊生成

    第四阶段 模型优化相关技术

    在线视频:基于预训练语言模型的文本表示技术

    • 1-Siamse孪生网络
    • 2-SentenceBert模型
    • 3-SimBert模型
    • 4-SimCSE模型
    • 5-FlatNCE损失函数

    在线视频:模型优化—对抗训练与半监督学习

    • 1-对抗训练原理
    • 2-基于FGM方式的对抗训练
    • 3-基于PGD方式的对抗训练
    • 4-伪标签的使用方法

    在线视频:基于预训练语言模型的小样本学习

    • 1-prompt介绍
    • 2-基于prompt的finetune过程
    • 3-Pattern-Exploiting Training
    • 4-P-tuning

    在线实训:小样本学习案例

    在线直播: 深度学习中的知识蒸馏技术

    • 1-知识蒸馏介绍
    • 2-知识蒸馏方式
    • 3-知识蒸馏在NLP领域的应用

    在线实训:知识蒸馏案例

    在线直播:数据增强

    • 1-文本增强
    • 2-特征增强
  • 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 机器翻译系统的介绍

    在线直播:项目2 文本摘要的介绍

    在线直播:项目3 知识图谱的基本概念

    在线直播:项目4 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 机器翻译系统的数据准备

    在线直播:项目2 文本摘要的数据准备

    在线直播:项目3 知识图谱的构建

    在线直播:项目4 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 机器翻译系统的模型构建

    在线直播:项目2 文本摘要的模型构建

    在线直播:项目3 基于知识图谱的问答

    在线直播:项目4 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 机器翻译系统的模型评估优化

    在线直播:项目2 文本摘要的模型评估优化

    在线直播:项目3 基于GNN的知识图谱应用

    在线直播:项目4 聊天机器人的模型评估优化

    第五阶段 次项目的整体流程和核心技能点

    在线视频:项目5 基于文本的问答系统的整体流程和核心技能点

    在线视频:项目6 FAQ问答机器人的整体流程和核心技能点

    在线视频:项目7 文本推荐系统的整体流程和核心技能点

    在线视频:项目8 聊天机器人中的语义理解的整体流程和核心技能点

  • 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,进行一个月的跟踪服务,为学员稳定就业保驾护航。

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

21年社招滴滴/华为面经:35岁女生曾10+年IT到NLP的持续学习成长之路

“双非本,在职研,20年12月报的七月在线NLP高级6(目前最新一期是NLP10)。从2021年9月底开始投简历。面试过滴滴、华为,还有其他中型企业。收获三份offer,最好是华为OD。现在总结面试过程和经验,希望能为正在学习或者找工作的人提供参考。”

完整面经>

21年校招NLP面经:秋招拿到腾讯/百度等多家最高50w+的大sp offer

“春招拿到了腾讯WXG的暑期实习offer,经过3个月的暑期实习成功转正,也参加了提前批和秋招,面过多家大厂,拿到了腾讯、百度、华为、小米等公司的offer,总结了一些经验希望能够帮助到校招同学,主要包括简历准备、复习、学习方法、校招注意事项几个方面仅供参考。”

完整面经>

22应届通过集12和NLP5拿到的年薪40万:NLP需要掌握的技能点

“双一流应届硕士,在校科研对某一点的知识专研深度,但是在知识的广度上掌握不够,所以希望接触更广泛全面的知识,从而希望系统的学习后可以更好的进行领域的深究,最终参加了机器学习集训营12(截止到21年年底,最新一期是集16),以及NLP5的课程(截止到21年年底,最新一期是NLP8),课程对我的帮助挺大的,也确实如我想的,有了系统的知识后可以更好地深入点的研究,也给我铺垫了不错的基础。”

完整面经>

非科班出身4年数据分析岗:通过NLP6转NLP最终拿到年薪50万+offer!

“丢失了三年半的初心找回来了,我决定要转AI,结合了自己的兴趣选择了NLP,后来找资料的时候找了NLP6小班课的广告,一看这不是七月在线的课么!还记得我在硕士毕业之后就学习了很多机器学习相关的课。我当时买了很多二手录播课程,其中就有七月在线的课程,还有那段时间把July的博客也翻烂了,SVM、XGboost什么的都是看July的博客学通的。”

完整面经>

22应届非科班:通过集12实习之后,再通过NLP7拿到3家35-40万+的offer

“本硕985但非科班,是从视觉了解到cv了解到机器学习了解到深度学习了解到NLP,然后选择了NLP作为就业方向。 我是从研二开始报的集训营,感觉帮助特别大,尤其是对于我这种转行的完全零基础的小白来说很友好,杜助教非常耐心非常非常负责,然后学了集训营之后就顺利找到了一家金融公司的nlp实习岗。”

完整面经>

22应届生求职经历分享:面了百度、讯飞,最后选择研究所30多万+户口

“综合对比百度,科大讯飞和最后校招投的几大行,最后选择的研究所,虽然待遇可能比大厂要差很多,但是有编制和户口可能是我的刚需,哈哈哈,感谢七月在线,多亏了七月在线的各位老师提前准备了,提前批也拿到了一些公司的算法岗提前批offer。”

完整面经>

2022秋招阿里近40万NLP算法面经:非科班面阿里被问了这些题

“我的专业是地质勘探类,硕士期间方向是勘探与深度学习的结合,所以转DL/NLP基本属于跨行转码,2020年底开始找了一些入门的教材自学NLP,后来就接触到了七月在线,也是抱着试一试的态度报了NLP小班第6期,在这次课程之前基本对NLP停留在没有入门的阶段,但在这次课程之后无论从NLP的发展脉络,知识技术,对模型的理解,coding能力,项目的经历与经验都有了长足的提升。感谢七月在线各位老师长达几个月辛勤的付出。”

完整面经>

长文忠告:曾做销售和运维甚至被怀疑简历造假到拿下NLP offer

“七月在线的课程每一期都在更新,这个的更新说的不是什么改改课件啊,布置一点新的作业啊的,做好一点ppt呀这种更新。而是老师每新的一期都会多详细讲解一些最近一年的新的NLP的论文,比如在NLP6中,讲解了simCSE和simBert。NLP7中又讲解了PET和Ptuning。这些新的模型和新的思路在工作中和面试中都是非常有用的。”

完整面经>

传统IT转型NLP分享:拿下薪资翻倍offer的过程中被问了这些题

“入职一个多月,现在依然坚持看一些之前学习过的视频,多想想会发现,结合工作开始理解了一些之前不明白的东西。一直学习一直爽,爽不动了还得学,有什么办法呢,不学就会被卷。 话不多说,从各方面来讲,七月在线,值得信赖。”

完整面经>

三非渣本的逆袭之路:先通过集训营翻倍,后通过高级班二次翻倍

“NLP7学员(之前是集十学员:三非渣本转型AI薪资翻倍),已顺利拿下某上市公司offer。”

完整面经>

双非本科的转型经历:从数据分析到NLP的面试分享

“在这里不吹不黑,首先感谢七月在线,带我走进了机器学习和深度学习大门,为什么要感谢,因为自己所谓自学了很长时间,而仅仅只是学到皮毛,记得是机器学习的陈博士,上的课算是正式把我拉进了机器学习的大门,上完陈老师课后,能看懂李航老师的统计学习方法了,所以对于陌生领域,如果你决定要进去,花钱学知识大概就是最小的代价了,感谢七月在线帮助我转型成功:先报的集11,巩固AI技术和AI项目经验,后再报了NLP6进一步加强NLP项目经验。”

完整面经>

NLPer拿到BAT50万offer的提升历程:分享近100道NLP面试题

“信息工程管理硕士,9年工作经验,工作主要是做NLP以及一些数据挖掘的事情,同时也做一些工程的事情。其实我个人很早就关注july了,最早可以追溯到2012年左右的为学论坛,那个时候我刚毕业没多久找的是开发的工作,后来也一直看校长在csdn上面的博客,尤其是那篇SVM真的很好。”

完整面经>

CS但双非本科:从投简历无人理睬到第一家就成功拿到NLP offer

“看了很多网上的教程,自己做了点小demo,就去找工作了,结果可想而知,简历投下去,不是被直接拒绝,就是石沉大海”

完整面经>

非科班+浅小项目背景:从简历不过或一面就挂到拿下多个NLP offer

“2020年下半年通过NLP5班后,基础理论和项目的深度都大幅提升(小编注:我想,这就是七月在线的价值)。2021年3月面试六七家公司,技术面都通过,也拿了几个offer,最终选择了一个NLP技术为核心的公司,顺利拿到理想的岗位和薪资。”

完整面经>

数据分析师转NLP工程师拿了offer后的面经或者感想

“其实入职一年,就已经在那家公司学不到东西了,然后自己去学了coursera吴恩达深度学习课,但是还是不知道路在何方。”

完整面经>

NLP面试50题汇总:刷好LeetCode 与同学互助 多敲代码

“七月在线的课程不仅仅是课程,同班同学也是资源,一起学习过程中交流经验方法,学习新东西的感悟,以及信息的畅通,这些都是自己一个人学不到的,我在这个过程中就从同班的小伙伴哪里学到了不少东西,也看到了自己的薄弱环节,当然自己也给她提供了很多有价值的东西,这个互惠共赢的过程非常重要,现在自己依然会跟小伙伴一起交流问题.”

完整面经>

先工程后算法:从美国加州材料博后辞职到字节40万offer

“知乎上有个回答说,想要做算法工程师,先要做一个合格的工程师。这句话在别的厂我不清楚,但在字节是绝对的真理。算法与开发可能工作内容的侧重有所不同,但二者共同的地方是要上线并迭代、维护自己的微服务,并且期待能接入业务,为使用方提供服务。这大概就是所谓的落地能力吧。”

完整面经>

NLP算法工程师面经:我是如何从生物类专业到NLP的

“还是很感谢七月在线的,项目覆盖得很全面理论也讲的很仔细,老师和助教的课后答疑也做的很好,总之很感谢,让我对NLP领域有了一个很全面的了解和掌握。”

完整面经>

转行NLP拿下40万offer:分享我面试中遇到的54道面试题(含参考答案)

“本人985硕士毕业,互联网相关工作两年经验,参加了NLP就业班4,转行自然语言处理,先后面试十几家公司,拿到四五家公司offer,最终去了某互联网公司,package 40万。现将面试题目分享给大家,祝大家都能有好的offer。”

完整面经>

拿下40万NLP offer的心得体验:心态摆正、HMM和CRF必问

“现在NLP主要有三个大方向: 1 自动聊天机器人相关,因为几乎每个公司都需要客服聊天机器人。 2 知识图谱方向,结合或者辅助知识图谱的构建等,毕竟知识图谱也是大热门方向 3 辅助搜索、推荐等传统算法任务,主要是把文本信息嵌入为向量,辅助传统任务执行 市面上的工作岗位,也基本围绕着这三个大方向,如果可以的话,你可以有的放矢,提前选定一个主攻的方向,然后学习的时候,就可以从模型,到项目,到简历,到面试,都主动迎合这个方向,这应该是一个不错的选择。”

完整面经>

NLP面试感受分享:从纠结专业和年龄到大厂40万offer

“面试心得: 1、平常一定要刷题,一定要刷题,一定要刷题,这次面试都是亏在算法题上了; 2、项目一定要很熟悉,会问的很细,问数据量、项目过程、遇到的问题及解决办法等;”

完整面经>

NLP面试干货分享:从自考本科 在职硕士到BAT年薪80万

“自己从2017年左右就一直学习咱们七月在线的课程,学习过很多内容,包括:初级的机器学习、深度学习、中级的集训营、高级的NLP就业班。总之,无论理论还是实践对已经工作多年的我来说非常有用。让我收获的不仅是知识,更多的是人脉和系统化的学习思维。”

完整面经>

测试转算法面经:努力转岗多年,终于拿到多个30多万offer

“后来报了七月的NLP的就业班(具体报的NLP就业4),又学了几个月,做了一些大的项目,都是企业现在比较需要的,像机器翻译,对话系统和知识图谱,也做了ccks竞赛的一两个项目,感觉知识和项目经验都有了很大的提升,再整理简历的时候,才感觉到,之前自己做的那些太小儿科了,根本没法写在简历上,怪不得之前总是转不成功。”

完整面经>

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>

{{item.title}}

完整面经>
展开全部

时间安排

2022年7月18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。

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、我们会在一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

课程全新升级,咨询可优惠

报名加送:《新VIP[包全平台一年AI初级课和一年GPU]》和《知识图谱集训营

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