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：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

  在线直播：如何更好的做NLP

  • 1-浅谈找工作的策略
  • 2-"resume driven development"
  • 3-训练自己的沟通与面试技巧
  • 4-课程项目brainstorm
  • 5-在线答疑

  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应用之文本分类系统

  • 1-实训：CNN做文本分类
  • 2-在线答疑

  在线直播：各种前沿神经网络模型在分类任务中的应用

  • 1-CNN + RNN神经网络在分类任务中的应用
  • 2-attention神经网络在分类任务中的应用
  • 3-elmo神经网络在分类任务中的
  • 4-其他前沿技术在分类任务中的应用

  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(上)

  • 1-预训练词向量
  • 2-预训练句子向量
  • 3-Contextualized Word Vectors
  • 4-ElMo、BERT
  • 5-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-OpenAI GPT、GPT-2、Transformer XL、XLNet
  • 2-预训练语言模型在多任务上的强大表现及其未来
  • 3-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：再谈机器翻译与Seq2Seq

  • 1-Encoder Decoder架构和注意力机制
  • 2-不需要RNN的Transformer模型
  • 3-Subword与BPE
  • 4-Beam Search
  • 5-机器翻译应用
  • 6-文本摘要应用
  • 7-在线答疑

  在线直播：GAN与VAE在NLP领域的应用

  • 1-GAN模型及其应用
  • 2-VAE模型和应用
  • 3-文本情感迁移问题
  • 4-在线答疑

  第五阶段 结构化预测

  在线视频： 隐马尔科夫模型及其应用

  • 1-隐马尔科夫模型

  在线视频： 条件随机场与应用

  • 1-最大熵与词性标注
  • 2-条件随机场

  在线直播：结构化预测与问答系统

  • 1-结构化预测(structured prediction)相关问题
  • 2-SQuAD、CNNDM等几类流行的问答数据集
  • 3-基于Attention机制的问答模型
  • 4-在线答疑

  在线直播：贝叶斯方法在NLP中的应用

  • 1-LDA模型
  • 2-MCMC与Gibbs采样
  • 3-非参数模型
  • 4-在线答疑

  第六阶段 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： 生成模型

  • 1-聊天机器人的构建方法
  • 2-句子生成与写稿机器人
  • 3-利用结构化数据生成语言
  • 4-在线答疑

  在线直播： 项目报告展示

  • 1-展示班内同学的项目成果
  • 2-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。

  在线直播： FAQ问答机器人

  在线直播： 中文文本摘要系统

  在线直播： 基于文本的问答系统

  在线直播： 基于seq2seq的生成式聊天机器人

  可供选择的实战项目包括：
  • 

    实战项目一

    文本分类系统

    NLP的经典任务，但应用场景也非常广泛。情感分类被应用于利用网上评论打分，探究金融市场情绪。主题分类被应用于新闻分类，intent classification被用于构建聊天机器人。

  • 

    实战项目二

    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。

  • 

    实战项目三

    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

    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。

  • 

    实战项目五

    命名实体识别

    从一篇长文章中提取出命名实体，是很多NLP任务的前置预处理步骤。例如在对话系统中，往往需要抽取出实习信息，用于记录聊天状态。从文本构建知识图谱，也会需要首先抽取出实体，然后再明确实体间关系。

  • 

    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

  针对特定方向的定制化项目（如聊天机器人项目），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 简历与项目定制

  • 1-大型公司的招聘方向与需求分析，并选择方向，然后针对特定方向的定制化项目，进行简历调整与完善：一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
  • 2-实用面试技巧若干

  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。