01 京東AI項(xiàng)目實(shí)戰(zhàn)課程安排

覆蓋了從經(jīng)典的機(jī)器學(xué)習(xí)、文本處理技術(shù)、序列模型、深度學(xué)習(xí)、預(yù)訓(xùn)練模型、知識圖譜、圖神經(jīng)網(wǎng)絡(luò)所有必要的技術(shù)。

項(xiàng)目一、京東健康智能分診項(xiàng)目

第一周：文本處理與特征工程

| Bag of Words模型

| 從tf-idf到Word2Vec

| SkipGram與CBOW

| Hierarhical Softmax與Negative Sampling

| 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

| 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）

?

第二周：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

| 專題：如何處理樣本不平衡問題

| 專題：京東Neufoundry平臺的使用

| 項(xiàng)目：京東健康智能分診項(xiàng)目講解（2）

?

第三周：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

| CNN與TextCNN

| 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)?

| 項(xiàng)目：京東健康智能分診項(xiàng)目講解（3）

項(xiàng)目二、京東智能營銷文本生成項(xiàng)目

第四周：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Deep Bi-LSTM

| RNN與LSTM的可視化

| 實(shí)戰(zhàn)：基于LSTM的情感分類

| 專題：GPU技術(shù)詳解

| 項(xiàng)目：京東智能營銷文本生成項(xiàng)目講解（1）

?

第五周：Seq2Seq模型與營銷文本生成

| Encoder-Decoder模型以及各類應(yīng)用場景

| Seq2Seq模型與注意力機(jī)制

| Greedy Decoding

| Beam Search

| 基于Seq2Seq的文本生成

| 文本生成的評價指標(biāo)

| 實(shí)戰(zhàn)：基于Seq2Seq的機(jī)器翻譯

| 項(xiàng)目：京東智能營銷文本生成項(xiàng)目講解（2）

?

第六周：Pointer-Generator Network和多模態(tài)識別

| 抽取式文本摘要和生成式文本摘要

| Pointer-Generator Network

| Beam Search優(yōu)化思路

| Length Normalization

| Coverage Normalization

| End of Sentence Normalization

| 多模態(tài)識別技術(shù): ResNet和Faster RCNN

| 實(shí)戰(zhàn)：PGN+Seq2Seq解讀

| 論文：京東論文解讀

| 項(xiàng)目：京東智能營銷文本生成項(xiàng)目講解（3）

項(xiàng)目三、京東同類商品搜索項(xiàng)目

第七周：Entity Linking與圖卷積神經(jīng)網(wǎng)絡(luò)

| 什么是實(shí)體

| Entity Linking問題解讀

| 圖的表示

| 圖表示的應(yīng)用場景

| 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）

| 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（1）

?

第八周：GraphSage與Graph Attention Network

| GraphSage詳解

| 注意力機(jī)制講解

| 注意力機(jī)制與圖表示

| GAT模型詳解

| GAT與知識圖譜應(yīng)用

| 對于Heterogenous數(shù)據(jù)處理

| 論文：GAT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（2）

?

第九周：Entity Linking技術(shù)與GNN的其他應(yīng)用場景

| Entity Linking前沿技術(shù)剖析

| 基于GNN的文本分類

| 基于GNN的實(shí)體識別

| 基于GNN的社交網(wǎng)絡(luò)分析

| 基于GNN的鏈接預(yù)測

| GNN的前沿主題

| 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（3）

項(xiàng)目四、京東智能對話系統(tǒng)項(xiàng)目

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

專注于培養(yǎng)行業(yè)TOP10%的NLP工程師

對課程有意向的同學(xué)

截圖保存二維碼，微信內(nèi)掃描

報名、課程咨詢

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

01 科學(xué)的實(shí)戰(zhàn)安排

每一期的訓(xùn)練營都有嚴(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)選往期部分課程安排

02 項(xiàng)目講解&實(shí)戰(zhàn)幫助

訓(xùn)練營最終的目的是幫助學(xué)員完成項(xiàng)目，理解項(xiàng)目中包含核心知識技能，訓(xùn)練營中會花大量的時間幫助學(xué)員理解項(xiàng)目以及所涉及到的實(shí)戰(zhàn)講解。

▲節(jié)選往期部分課程安排

03 最佳工程實(shí)戰(zhàn)

來自京東智聯(lián)云等業(yè)界專家來講述工業(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 代碼解讀&實(shí)戰(zhàn)

對于核心的模型如BERT，XLNet都會精心安排代碼解讀和實(shí)戰(zhàn)課，幫助學(xué)員深入理解其細(xì)節(jié)并有能力去實(shí)現(xiàn)。

▲BERT模型代碼實(shí)戰(zhàn)講解

06 行業(yè)案例分享

訓(xùn)練營過程中會邀請合作的專家來分享行業(yè)案例以及技術(shù)解決方案，如知識圖譜的搭建、保險領(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 會議等發(fā)表超過30篇論文

07 日常社群答疑

為了幫助解決學(xué)員遇到的問題，專業(yè)助教會提供全天社群答疑服務(wù)。我們的助教均來來自于一線AI公司和國內(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

08 日常作業(yè)&講解

為了鞏固對一些核心知識點(diǎn)，學(xué)員除了大項(xiàng)目，也需要完成日常的小作業(yè)。之后助教會給出詳細(xì)的解答。

▲課程學(xué)習(xí)中的小作業(yè)

?

課程適合哪些學(xué)員吶？

• 大學(xué)生：

• • 計(jì)算機(jī)或者信息領(lǐng)域相關(guān)的本科/研究/博士生，畢業(yè)后希望從事AI相關(guān)的工作。

  • 希望在真實(shí)工業(yè)場景中磨煉技術(shù)，提升職場競爭力。

  • 畢業(yè)之后希望申請國內(nèi)外名校的碩士或者博士。

• 在職人士：

• • 具備良好的工程研發(fā)背景，希望從事AI相關(guān)的項(xiàng)目或者工作。

  • 從事AI工作，希望進(jìn)一步提升NLP實(shí)戰(zhàn)經(jīng)驗(yàn)。

  • 從事NLP工作，希望深入了解模型機(jī)理。

  • AI developer, 希望突破技術(shù)瓶頸， 了解NLP前沿信息。?

入學(xué)標(biāo)準(zhǔn)：

1、 理工科專業(yè)相關(guān)本科生，碩士生或博士生或者IT領(lǐng)域的在職人士

2、具備很強(qiáng)的動手能力、熟練使用Python編程

3、對基本的機(jī)器學(xué)習(xí)算法（邏輯回歸、隨機(jī)森林、SVM）有了解或者有過實(shí)戰(zhàn)經(jīng)驗(yàn)

4、具備良好的英文文獻(xiàn)閱讀能力，至少達(dá)到CET-4級水平

●●●

課程其他的細(xì)節(jié)可以聯(lián)系課程顧問來獲取

添加課程顧問微信

報名、課程咨詢

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

總結(jié)

以上是生活随笔為你收集整理的京东 | AI人才联合培养计划的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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