XLNet再次超越BERT，技术发展太快，如何才能跟得上节奏？

在过去的2-3天时间里，Google的XLNet又刷爆了朋友圈。在面对技术的快速迭代更新，我们也在第一时间把XLNet纳入到了训练营体系里，在模型发布的第三天就完成了所有教研的工作。 2019年贪心学院的《NLP自然语言处理训练营》作为业界的标杆，已培养出大量的NLP算法工程师，均已走上相应的工作岗位，而我们期待着他们将为2019年的中国NLP技术带去新鲜血液和希望。
本期的训练营在原有的基础上做了大幅度内容的更新，在内容的广度和深度上做了大幅度的调整。可以认为目前的课程体系在全网应该是最全面而且最具有挑战性的。如果你想深入去接触这个领域，并且想让自己与时俱进，相信选择我们是正确的选择。  

到底是什么样的课程让业内的呼声这么的大，

如果你还不知道《NLP自然语言处理训练营》

那么你可能错过了太多~  离最近一期开课仅剩2天！

训练营既包含大量的案例教学，也包含学员需要完成的项目作业，还有每周的作业以及论文解读。

课程大纲

  阶段一 算法与优化基础 

【核心知识点】 . Dynamic Time Warping . Earth Mover's Distance
. 维特比算法
. LR, SVM, KKT . Kernel Tick, Mercer's Theorem
. 梯度下降法，收敛性分析
. L0, L1, L2, L-Infinity Norm
. Grid Search, Bayesian Optimization
. 随机森林、GBDT, XGBoost回顾
. 凸函数、凸集、Lagrange Duality . Projected Gradient Descent . Linear/Quadratic Programming
. Integer/Semi-definite Programming
. NP-completess  . Constraint Relaxation
【实战案例】:
. [作业] 基于Sparse Quadratic Programming的股票投资组合优化策略编写
. [讲解] 基于Earth Mover's Distance的短文本相似度计算
. [讲解] 基于Projected Gradient Descent和非负矩阵分解的词向量学习 . [讲解] 基于Linear Programming的机票定价系统

  阶段二 语言模型与序列标注

【核心知识点】 . 文本预处理技术（tf-idf，Stemming等）
. 文本领域的特征工程
. 倒排表、信息检索技术
. Noisy Channel Model
. N-gram模型，词向量介绍
. 不同的Smoothing Techniques
. Learning to Rank
. Latent Variable Model
. EM算法与Local Optimality
. 有向图模型与无向图模型
. HMM模型、Viterbi、Baum Welch
. Log-Linear Model与参数估计
. CRF模型与Linear-CRF
. CRF的Viterbi Decoding与参数估计
【实战案例】：
. [作业] 基于无监督学习方法的问答系统搭建
. [作业] 基于监督学习的Aspect-Based 情感分析系统搭建
. [讲解] 基于CRF的命名实体识别 
. [讲解] 基于语言模型和Noisy Channel Model的拼写纠错

  阶段三  信息抽取、词向量与知识图谱

【核心知识点】

. 命名实体识别技术
. 信息抽取技术
. Snowball, KnowitAll, RunnerText
. Distant Supervision, 无监督学习方法
. 实体统一、实体消歧义、指代消解
. 知识图谱、实体与关系
. 词向量、Skip-Gram、Negative Sampling
. 矩阵分解、CBOW与Glove向量
. Contexualized Embedding与ELMo
. KL Divergence与Gaussian Embedding
. 非欧式空间与Pointcare Embedding . 黎曼空间中的梯度下降法
. 知识图谱嵌入技术
. TransE, NTN 的详解
. Node2Vec详解
. Adversial Learning与KBGAN
【实战案例】： . [作业] 利用非结构化数据和信息抽取技术构建知识图谱 . [作业] 任务导向型聊天机器人的搭建 . [讲解] 包含Intent与Entity Extraction的NLU模块实现
. [讲解] 基于SkipGram的推荐系统实现（参考Airbnb论文）

  阶段四 深度学习与NLP

【核心知识点】

. Pytorch与Tensorflow详解
. 表示学习，分布式表示技术
. 文本领域中的Disentangling
. 深度神经网络与BP算法详解
. RNN与Vanishing/Exploding Gradient
. LSTM与GRU
. Seq2Seq与注意力机制
. Greedy Decoding与Beam Search
. BI-LSTM-CRF模型
. Neural Turing Machine . Memory Network
. Self Attention，Transformer以及Transformer-XL.
. Bert的详解
. BERT-BiLSTM-CRF
. GPT，MASS,  XLNet
. Low-resource learning
. 深度学习的可视化
. Laywer-wise Relevance Propagation
【实战案例】： . [作业] 利用纯Python实现BP算法
. [作业] 基于Seq2Seq+注意力机制、基于Transformer的机器翻译系统
. [讲解] 基于Transformer的闲聊型聊天机器人
. [讲解] 基于BI-LSTM-CRF和BERT-BiLSTM-CRF在命名实体中的比较
. [讲解] 利用Laywer-wise RP可视化端到端的机器翻译系统

  阶段五 贝叶斯模型与NLP

【核心知识点】

. 概率图模型与条件独立
. Markov Blanket 
. Dirichlet分布、Multinomial分布 . Beta分布、Conjugate Prior回顾 . Detail Balance
. 主题模型详解
. MCMC与吉布斯采样
. 主题模型与Collapsed Gibbs Sampling
. Metropolis Hasting, Rejection Sampling
. Langevin Dyamics与SGLD
. 分布式SGLD与主题模型
. Dynamic Topic Model  . Supervised Topic Model
. KL Divergence与ELBO
. Variantional Inference, Stochastic VI
. 主题模型与变分法
. Nonparametric Models
. Dirichlet Process . Chinese Restarant Process
. Bayesian Deep Neural Network 
. VAE与Reparametrization trick
. Bayesian RNN/LSTM
. Bayesian Word2Vec
. MMSB
【实战案例】: . [作业] 利用Collapsed Gibbs Sampler和SGLD对主题模型做Inference
. [讲解] 基于Bayesian-LSTM的命名实体识别

  阶段六 开放式项目 （Optional）

【项目介绍】

 可以根据自己的兴趣来设计一个NLP领域的课题，课题需要具备一定的挑战，并且有一定的深度。 在项目期间教学团队会提供技术支持

 

【结果输出】：   完整PPT、代码和Conference-Style Technical Report 【评估流程】：  教学团队Review + 学员Peer-Review

课程设计紧密围绕学术界最新进展以及工业界的需求，涵盖了所有核心知识点，并且结合了大量实战项目，培养学员的动手能力，解决问题能来以及对知识的深入理解。

注：本文含商业推广内容

部分项目作业

课程适合谁？

• 有良好的机器学习基础，有较强的编程能力

• 对数据结构与算法比较熟悉

• 之后想从事相关研究工作、或者之后想申请国外名校读相关专业的硕士/博士

• 追求技术细节，对背后的why感兴趣，不希望仅仅停留在使用工具层面的学员

• 已经在AI领域从事工作，但技术上感觉遇到了瓶颈，想进一步突破的学员

• 希望在工作中可以根据业务需求能够提出新的模型，做一些创新

• 对NLP领域最新知识体系想有更深入的学习

• 想转型到一线做AI工程师的学员
  

  
  

课程特色

• 内容上包含了作为AI顶级工程师必备的核心技术体系
  

• 内容上包含了大量最前沿的技术

• 具备一定的挑战性和深度，区别于市面上的其他同类的课程。 

• 理论与实战的结合，所有的理论会本质层面讲起，而且非常通俗易懂，即便很难理解的BERT, Bayesian NN也会让你能够听得懂并且能够理解。 每一个重要的知识点会配备实战讲解以及核心代码review. 

• 包含具有挑战性的课程项目作业和理论作业，这些会帮助你更深入地理解学过的知识点

• 配备顶尖讲师团队，均在NLP和机器学习领域有很深的研究和工作经验
  

  
  

教学模式

我们主要采用直播的方式，一周4-5次的直播教学， 包括2次的main lectures, 1-2次的discussion session (讲解某一个实战、必备基础、案例或者技术上的延伸）， 1次的paper reading session (每周会assign一篇必备论文，并且直播解读)。教学模式上也参考了美国顶级院校的教学体系。 以下为其中一周的课程安排，供参考。 

服务体系

看完被吓着了？这玩意学不会可咋整啊？
大魔头是不会让你以智商为理由逃跑的，
我们为大家配备了全一线工程师的助教团队，
严防死守以学不会为由的逃兵出现！

• 全职助教实时答疑

看视频的时候："诶？这步怎么推导出来的呢？" 编程跑项目实践的时候："诶？这段代码是干嘛的呢？"
看论文的时候："诶？为什么好像看懂了，又不知道在讲什么呢？"

不管你在学习过程中遇到多少阻碍，你都可以通过以下4种方式解决：

• 直接在线问导师；

• 或者记录到共享文档中，等待每日固定时间的直播答疑；

• 学习社群中全职助教，24h随时提问答疑

• 共同的问题在Review Session里面做讲解

注：每次答疑，班主任都会进行记录，以便学员实时查阅。

来自师兄师姐的疑问：

• 编写一些技术类文章

通过在知乎上发表相关技术文章进行自我成果检验，同时也是一种思想碰撞的方式，导师会对发表的每一篇文章写一个详细的评语。万一不小心成为一个大V了呢？

虽然写文章的过程万分痛苦，学习群里半夜哀嚎遍野，但看一看抓着头发写出来的文章结果还是非常喜人的！看着自己收获的点赞数，大家都默默地感谢起大魔头的无情！

这种满满的成就感，让大家一篇接一篇的写了下去！

个个都立刻变身成了知乎大牛~

• Project项目

除了文章，算法工程师立命的根本--项目代码，大魔头更是不会放过的。每次在Gitlab上布置的作业，大魔头都会带领助教团队会予以详细的批改和反馈。并逼着你不断的优化！

课程导师

看了这么多，是不是非常崇拜设计出如此地狱式学习计划的大牛，那就来正式认识一下这位训练营中人人听了都闻风丧胆，但又让人崇拜+喜爱+欲罢不能的训练营大魔头: 李文哲

NLP、知识图谱领域专家

美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用。

如何毕业

进去企业敲门砖的”毕业证“如何得到？ 大魔头之所以是大魔头不单单因为技术牛，更因为他同时掌管着训练营学员的生杀大权！光学习是怎么可以的，我们的训练营是有考核的！ 大魔头给学习成果定义了充分的可量化标准。贪心学院红头文件晒给你看：

• 考核机制

我们也有严格的考核机制，包括项目作业的完成度、直播到课率、文章写作等要素。而且根据这些考核来确定毕业生以及优秀毕业生。针对于优秀毕业生，我们会提供很丰厚的激励机制。
再被大魔头折磨了多个日日夜夜后，大家不但没有放弃学习，而且很快乐地学习着，随便截几个图：

我确定了我们的魔鬼训练营没有误人子弟，我们的课程真的帮助到大家有人实质的技能提升或帮助大家拿到offer。今年六月，大魔头携带着他的第四期《NLP自然语言处理集中营》再度回归了。

2019NLP能这么骚，就要看你了~ 
这个被全网尊称为能找到的 最体系化，
最有挑战的，
实践性最强的，
最烧脑的， AI自然语言处理训练营等着你们！
勇士们让我看到你们的双手！

报名方式

请扫描下面的二维码咨询课程

我们是谁？我们是一家专注于人工智能领域的在线教育公司，由一群有情怀的硅谷科学家来创办。我们提供最专业的AI课程以及每月4-5期的免费AI类公开课。关注此公众号（“贪心科技”）可以获得相关的信息。