想成為NLP工程師，但是否因?yàn)闆]有實(shí)際項(xiàng)目經(jīng)歷而發(fā)愁？是否希望豐富簡(jiǎn)歷中的項(xiàng)目經(jīng)驗(yàn)，從而提高面試的通過(guò)率？是否想嘗試有技術(shù)含量的項(xiàng)目，以后為進(jìn)大廠而準(zhǔn)備？?這就是我們實(shí)戰(zhàn)訓(xùn)練營(yíng)的初衷。

京東智聯(lián)云聯(lián)合貪心科技推出了《京東NLP項(xiàng)目實(shí)戰(zhàn)訓(xùn)練營(yíng)》，讓學(xué)員通過(guò)4個(gè)月完成4個(gè)非常具有挑戰(zhàn)的京東落地應(yīng)用項(xiàng)目，智能醫(yī)療分診項(xiàng)目、智能營(yíng)銷文案生成項(xiàng)目、智能對(duì)話系統(tǒng)項(xiàng)目、同類商品搜索項(xiàng)目。完成這些項(xiàng)目的同時(shí)，你也會(huì)學(xué)會(huì)使用BERT, GCN, GAT等前沿技術(shù)原理和應(yīng)用。

四大真實(shí)京東實(shí)戰(zhàn)場(chǎng)景

《京東NLP企業(yè)項(xiàng)目實(shí)戰(zhàn)訓(xùn)練營(yíng)3期》

專注于培養(yǎng)行業(yè)TOP10%的NLP工程師

添加課程顧問(wèn)小姐姐微信

報(bào)名、課程咨詢

????????????

01 課程大綱

第一章：京東健康智能分診項(xiàng)目

Part 01：文本處理與特征工程

• BagofWords模型

• 從tf-idf到Word2Vec

• SkipGram與CBOW

• HierarhicalSoftmax與NegativeSampling

• FastText?

• N-gram與平滑操作

• 文本特征工程

• 工具的使用：Gensim、Sklearn、jieba的使用

• 論文：SkipGram論文解讀&復(fù)現(xiàn)

• 專題：如果閱讀科研論文

• 項(xiàng)目：京東健康智能分診項(xiàng)目講解（1）

Part 02：基于統(tǒng)計(jì)學(xué)習(xí)的分類方法

• 決策樹

• CART模型

• Bagging&Boosting

• 隨機(jī)森林和GBDT

• XGBoost

• 精確率、召回率

• F1，AUC

• 論文：XGBoost的Paper和代碼解讀

• 實(shí)戰(zhàn)：LightGBM的解讀與實(shí)戰(zhàn)

• 專題：如何處理樣本不平衡問(wèn)題

• 項(xiàng)目：京東健康智能分診項(xiàng)目講解（2）

Part 03：基于深度學(xué)習(xí)的分類方法

• 統(tǒng)計(jì)學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別

• 深度學(xué)習(xí)與淺層學(xué)習(xí)

• 從邏輯回歸到神經(jīng)網(wǎng)絡(luò)

• 深度學(xué)習(xí)的非線性性質(zhì)

• 損失函數(shù)與優(yōu)化器

• 神經(jīng)網(wǎng)絡(luò)的調(diào)參

• 實(shí)戰(zhàn)：Pytorch的基礎(chǔ)使用

• 實(shí)戰(zhàn)：使用Pytorch實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)?

• 專題：不同優(yōu)化器比較：Momentum,AdaGrad,RMSProp,Adam

• 項(xiàng)目：京東健康智能分診項(xiàng)目講解（3）

Part 04：CNN與工業(yè)界模型部署

• CNN，TextCNN

• 模型的部署

• Docker的使用

• Git&Jenkins的使用

• Kubernetes的使用

• Flask的使用

• 實(shí)戰(zhàn)：Neufoundry平臺(tái)上的模型部署

• 專題：智能分診前沿技術(shù)講解

• 京東嘉賓：京東的文本分類部署

• 京東嘉賓：京東的特征工程技術(shù)方案

第二章：京東智能營(yíng)銷文本生成項(xiàng)目

Part 05：遞歸神經(jīng)網(wǎng)絡(luò)RNN與BPTT算法

• BPTT與RNN中的梯度消失、爆炸

• 梯度爆炸的處理

• LSTM與GRU

• 基于LSTM的文本分類

• Bi-LSTM與DeepBi-LSTM

• RNN與LSTM的可視化

• 實(shí)戰(zhàn)：基于LSTM的情感分類

• 實(shí)戰(zhàn)：利用Pytorch實(shí)現(xiàn)多層LSTM

• 實(shí)戰(zhàn)：基于LSTM語(yǔ)言模型的文本生成

• 專題：GPU技術(shù)詳解

• 項(xiàng)目：京東智能營(yíng)銷文本生成項(xiàng)目講解（1）

Part 06：Seq2Seq模型與營(yíng)銷文本生成

• Encoder-Decoder模型以及各類應(yīng)用場(chǎng)景

• Seq2Seq模型與注意力機(jī)制

• GreedyDecoding

• BeamSearch

• 基于Seq2Seq的文本生成

• 文本生成的評(píng)價(jià)指標(biāo)

• 實(shí)戰(zhàn)：基于Seq2Seq的機(jī)器翻譯

• 論文：LSTM-CNNs論文

• 項(xiàng)目：京東智能營(yíng)銷文本生成項(xiàng)目講解（2）

Part 07：Pointer-GeneratorNetwork和多模態(tài)識(shí)別

• 抽取式文本摘要和生成式文本摘要

• Pointer-GeneratorNetwork

• BeamSearch優(yōu)化思路

• LengthNormalization

• CoverageNormalization

• EndofSentenceNormalization

• 多模態(tài)識(shí)別技術(shù):ResNet和FasterRCNN

• 實(shí)戰(zhàn)：PGN+Seq2Seq解讀

• 論文：京東論文解讀

• 論文：FasterRCNN解讀

• 項(xiàng)目：京東智能營(yíng)銷文本生成項(xiàng)目講解（3）

第三章：京東智能客服對(duì)話系統(tǒng)項(xiàng)目

Part 08：對(duì)話系統(tǒng)技術(shù)概覽

• 對(duì)話系統(tǒng)的分類方式

• 檢索方法和生成方法

• 任務(wù)導(dǎo)向型系統(tǒng)和非任務(wù)導(dǎo)向型系統(tǒng)

• 索引的建立

• 對(duì)話系統(tǒng)中的召回

• 對(duì)話系統(tǒng)中的排序

• 倒排索引和WAND算法

• 倒排索引的空間優(yōu)化

• 信息檢索系統(tǒng)的評(píng)估方式

• 實(shí)戰(zhàn)：倒排索引的實(shí)現(xiàn)

• 實(shí)戰(zhàn)：VariableByteCompression的檢索系統(tǒng)實(shí)現(xiàn)

• 項(xiàng)目：京東智能對(duì)話系統(tǒng)項(xiàng)目講解（1）

Part 09：檢索系統(tǒng)中的召回

• ApproximateNearestNeighborSearch

• KD樹

• LSH技術(shù)

• 近似圖（ProximityGraph）

• SmallWordGraph

• NSW和HNSW

• 論文：HNSW論文解讀

• 項(xiàng)目：京東智能對(duì)話系統(tǒng)項(xiàng)目講解（2）

Part10：對(duì)話系統(tǒng)中的排序

• LearningtoRank技術(shù)介紹

• Point-wiseApproach

• Pair-wiseApproach

• List-wiseApproach

• 常用模型的評(píng)估指標(biāo)

• MAP，NDCG

• 相似度計(jì)算方法

• WordMover sDistance

• 論文：WMD的實(shí)現(xiàn)

• 項(xiàng)目：京東智能對(duì)話系統(tǒng)項(xiàng)目講解（3）

Part11：自注意力機(jī)制以及Transformer

• 從Attention到Self-Attention

• Transformer的應(yīng)用

• Transformer模型詳解

• Transformer的實(shí)現(xiàn)

• Reformer

• Synthesizer

• Low-RankBottleneck

• 論文：TransformerXL論文解讀

• 項(xiàng)目：京東智能對(duì)話系統(tǒng)項(xiàng)目講解（4）

• 京東嘉賓：工業(yè)界的檢索模型和L2R

Part12：基于BERT和Transformer的閑聊引擎

• 閑聊引擎技術(shù)框架

• 預(yù)訓(xùn)練模型簡(jiǎn)介

• AE與VAE

• BERT模型詳解

• BERT的不同訓(xùn)練方法

• GPT2

• GPT3

• ALBERT

• 實(shí)戰(zhàn)：BERT的fine-tuning實(shí)戰(zhàn)講解

• 論文：UniLM解讀與復(fù)現(xiàn)

• 論文：XLNet的解讀與復(fù)現(xiàn)

• 項(xiàng)目：京東智能對(duì)話系統(tǒng)項(xiàng)目講解（5）

• 京東嘉賓：工業(yè)界的生成式對(duì)話模型

第四章：京東同類商品搜索項(xiàng)目

Part13：基于圖的學(xué)習(xí)

• 圖表示概論

• 圖與知識(shí)圖譜

• 基于圖表示的應(yīng)用場(chǎng)景

• 關(guān)于圖的一些特征

• 關(guān)于圖的一些常見算法

• Deepwalk和Node2vec

• TransE圖嵌入模型

• DSNE圖嵌入模型

• 實(shí)戰(zhàn)：基于人工特征的鏈接預(yù)測(cè)實(shí)現(xiàn)

• 實(shí)戰(zhàn)：基于Node2Vec的鏈接預(yù)測(cè)實(shí)現(xiàn)

• 項(xiàng)目：京東同類商品搜索項(xiàng)目講解（1）

Part14：基于圖神經(jīng)網(wǎng)絡(luò)的EntityLinking

• 什么是實(shí)體

• EntityLinking的簡(jiǎn)單解法

• 基于圖的EntityLink思路

• 卷積神經(jīng)網(wǎng)絡(luò)回顧

• 在圖中的卷積

• 圖中的信息傳遞

• 圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）

• 基于GCN的EntityLinking

• 論文：GCN論文解讀和復(fù)現(xiàn)

• 項(xiàng)目：京東同類商品搜索項(xiàng)目講解（2）

Part15：GAT、GraphSage與EntityLinking

• 注意力機(jī)制回顧

• 注意力機(jī)制與圖表示

• GAT模型詳解

• GAT與GCN的比較

• GraphSage詳解

• GAT與知識(shí)圖譜應(yīng)用

• 對(duì)于Heterogenous數(shù)據(jù)處理

• 論文：GAT論文解讀與復(fù)現(xiàn)

• 論文：GraphSage論文解讀與復(fù)現(xiàn)

• 項(xiàng)目：京東同類商品搜索項(xiàng)目講解（3）

Part16：圖神經(jīng)網(wǎng)絡(luò)與其他應(yīng)用

• NodeClassification

• GraphClassification

• LinkPrediction

• CommunityDetection

• 推薦系統(tǒng)

• 文本分類

• 圖神經(jīng)網(wǎng)絡(luò)的未來(lái)發(fā)展

• 論文：圖神經(jīng)網(wǎng)絡(luò)綜述

• 項(xiàng)目：京東同類商品搜索項(xiàng)目講解（4）

主講老師

《京東NLP企業(yè)項(xiàng)目實(shí)戰(zhàn)訓(xùn)練營(yíng)3期》

專注于培養(yǎng)行業(yè)TOP10%的NLP工程師

添加課程顧問(wèn)小姐姐微信

報(bào)名、課程咨詢

????????????

01 科學(xué)的實(shí)戰(zhàn)安排

每一期的訓(xùn)練營(yíng)都有嚴(yán)謹(jǐn)科學(xué)的安排，每周伴隨著理論、實(shí)戰(zhàn)、案例分享、項(xiàng)目講解等課程一系列課程內(nèi)容。

▲節(jié)選前兩周部分課程安排，詳細(xì)安排請(qǐng)跟咨詢師詢問(wèn)

02 項(xiàng)目講解&實(shí)戰(zhàn)幫助

訓(xùn)練營(yíng)最終的目的是幫助學(xué)員完成項(xiàng)目，理解項(xiàng)目中包含核心知識(shí)技能，訓(xùn)練營(yíng)中會(huì)花大量的時(shí)間幫助學(xué)員理解項(xiàng)目以及所涉及到的實(shí)戰(zhàn)講解。每一個(gè)項(xiàng)目會(huì)配套詳細(xì)的實(shí)驗(yàn)手冊(cè)、工程手冊(cè)、還有注解的項(xiàng)目代碼，所有實(shí)戰(zhàn)過(guò)程都在云端GPU上完成。

▲節(jié)選往期部分課程安排

03 最佳工程實(shí)戰(zhàn)

來(lái)自京東智聯(lián)云等業(yè)界專家來(lái)講述工業(yè)界的最佳工程實(shí)戰(zhàn)，如AI模型的部署、代碼編寫、模型的調(diào)參以及debug等技術(shù)。

▲源自京東智聯(lián)云AI某模塊架構(gòu)圖

04 專業(yè)的論文解讀

作為AI工程師，閱讀論文能力是必須要的。在課程里，我們每1-2周會(huì)安排一篇經(jīng)典英文文章供學(xué)員閱讀，之后由老師幫助解讀。? ?

????

▲節(jié)選往期部分論文安排

05?行業(yè)案例分享

訓(xùn)練營(yíng)過(guò)程中會(huì)邀請(qǐng)合作的專家來(lái)分享行業(yè)案例以及技術(shù)解決方案，如知識(shí)圖譜的搭建、保險(xiǎn)領(lǐng)域的客服系統(tǒng)等。

▲專家分享

《Google YouTube 基于深度學(xué)習(xí)的視頻推薦》

嘉賓簡(jiǎn)介：曾博士

計(jì)算機(jī)視覺，機(jī)器學(xué)習(xí)領(lǐng)域?qū)＜?/p>

先后在CVPR，ACMMM，TPAMI，SCI 期刊，EI 會(huì)議等發(fā)表超過(guò)30篇論文

06?日常社群答疑

為了幫助解決學(xué)員遇到的問(wèn)題，專業(yè)助教會(huì)提供全天社群答疑服務(wù)。我們的助教均來(lái)來(lái)自于一線AI公司和國(guó)內(nèi)外名校，扎實(shí)的理論和工業(yè)界應(yīng)用也是我們選拔助教老師的重要標(biāo)準(zhǔn)，拒絕空談理論。

▲社群內(nèi)老師專業(yè)的解答

07 豐富的線下交流活動(dòng)

▲參觀京東總部，傾聽大咖分享

報(bào)名須知

1、本課程為收費(fèi)教學(xué)。

2、本期訓(xùn)練營(yíng)招生名額有限。

3、品質(zhì)保障！正式開課后7天內(nèi)，無(wú)條件全額退款。

4、學(xué)習(xí)本課程需要具備一定的機(jī)器學(xué)習(xí)基礎(chǔ)。

●●●

《京東NLP企業(yè)項(xiàng)目實(shí)戰(zhàn)訓(xùn)練營(yíng)3期》

專注于培養(yǎng)行業(yè)TOP10%的NLP工程師

添加課程顧問(wèn)小姐姐微信

報(bào)名、課程咨詢

????????????

總結(jié)

以上是生活随笔為你收集整理的4个可以写进简历的京东NLP项目：医疗分诊、营销文案生成、商品图谱、对话系统...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。