四月内报名加送: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:
且新增这些前沿技术,比如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:
当然,为了让学员进入项目阶段后更好的实战各项目,继续每周进行直播辅导,而且标准化项目阶段的完整流程:
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:
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:朴素贝叶斯实现新闻分类和语种检测
在线视频:深度学习与NLP简单应用
在线实训:模仿丘吉尔人物自传写作生成模型
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:Word2vec+CNN实现文本分类
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。
“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>“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>“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>"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>"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>"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>2020年3月2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。
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