【第六期】拿不到offer全额退款 人工智能工程师（推荐系统/NLP/CV）培养计划招生...

前 言

学院第四期课程在2019年10月结课，第一至第四期具有求职意向的同学中，目前已经有80%的同学拿到了国内外名企的AI算法岗位offer，或者国外名校的AI 硕士、全奖博士录取 offer。在大家的认可下，我们开始了第六期的课程。在本期课程中，我们对课程的前沿性做了较大增加，更加符合目前行业深度和实践程度，并且对实践项目进行升级，增加了难度和适用场景。

另外，我们为大家提供了专业增强课程。本课程旨在提供结合理论深度与代码实践的人工智能课程，能够让参与学员掌握基本人工智能方法，并且对特定领域的理解达到业界领先水平。毕业学员能力能够符合国内BAT等一线企业的算法岗位要求，或者在算法能力层面符合知名学府的博士生录取能力要求。

面向希望自己能够在4-6个月内找到一份人工智能、机器学习、深度学习、数据科学家、算法工程师等算法研究岗位，或者希望申请美国、欧洲相关院校AI方向的学位的同学。

本课程尤其适合： 

• 目前工作为互联网，IT相关，希望未来从事人工智能、机器学习算法的相关工作的人员； 

• 计算机相关专业的高年级本科生、研究生或博士生；

• 对数学、编程具有一定的热情，喜欢微积分、概率论等学科，能够感受数学之美，编程之美的学生或者工作人员；

• 对人工智能具备一定的热情，希望能够从事相关行业或者自己创造相关产品的人员；

• 具有人工智能与自然语言处理、计算机视觉相关需求的科研人员，尤其是从事无人驾驶，生物信息，图像处理，数据分析等工作的相关人员； 

• 生物、物理、化学、材料等数学英语能力较好，希望转行的学生或工作人员。 

本期培训包含三门课程，分别为：

• 人工智能与自然语言处理

• 深度学习与计算机视觉

• 推荐系统

关于全额退款：

报名保过班的同学，报名伊始既签订合同，若上完课程拿不到offer或者offer初次就业薪资达不到年薪22.5万（本科16.5万），既退还全部学费。

主修课程

01 机器学习与推荐系统

推荐系统（Recommender System，RS）方向，主要面向希望从事数据挖掘，推荐系统工程师相关的学员。推荐系统目前主要用于解决筛选大量信息的问题，推荐的对象包括（图片、视频等）内容/商品/信息查询，也有一些推荐系统专门寻找人/服务/信息等对象。

02 人工智能与自然语言处理

自然语言处理（Natural Language Processing，NLP）主要用于解决文本自动分类、文本重要信息目动提取、数据挖掘、推荐系统、文本自动生成、对话机器人、知识图谱等领域。用以解决人类对文本信息分析与理解的自动化，本课程主要设计经典人工智能方法、机器学习与深度学习。

03 深度学习与计算机视觉

计算机视觉（Computer Vison，CV）主要面向希望从事图像智能处理与识别、视频检测、图像自动生成、无人驾驶、人脸识别与检测方向的学员。本课程内容主要涉及计算机视觉的深度学习方法，包括计算机图形学、经典计算机视觉中的重点方法，同时也覆盖了基于对抗生成网络（GAN）的图像生成方法。

三个主修方向的选择建议

具体大纲如下：

CV方向

>>滑动查看<<

>>滑动查看<<

NLP方向

>>滑动查看<<

>>滑动查看<<

推荐系统方向

>>滑动查看<<

>>滑动查看<<

企业级真实应用项目

课程组负责为大家提供数据集、项目指导。这些项目均来自于企业的真实项目需求，其数据集和任务要求与企业中的真实水平一致。参与这类项目一方面可以让大家巩固理论知识，另一方面也是大家可以放进简历中极具含金量的项目经历。

NLP方向真实项目

REC

（项目应用实例）

推荐系统方向真实项目

REC

（项目应用实例）

CV方向真实项目

REC

（项目应用实例）

历时三年，历久弥新，大量代码实践驱动

从0到1掌握算法原理

我们的课程全部由真实代码驱动，能够让你从头到尾看到一个算法的实现过程。提供给你从0到1实现算法的能力，这是提升自身编程水平的重要保证。

名校助教答疑+配套式课后作业

除了项目驱动，我们课程的每节课都会给大家布置充实的作业练习。这些作业练习都具备一定难度，练习强度大，让同学们在实现完整算法模型的过程中同时具备解决实际问题的能力。

第一周作业：基于Syntax Tree&Language Model 实现西部世界智能对话系统

第二周作业：北京市地铁自动换乘

本课程的老师，均来自国际名校（清华大学、佛罗里达大学、浙江大学）且均具备世界知名企业（阿里巴巴、商汤科技、IBM中国实验室）的实际工作经验。我们相信，唯有真正的资深老师 + 良好的表达传授能力，才能给同学们真正的知识。同学们学到的，不仅仅是AI知识，更是一种学习习惯、思维方式和对世界的认知。

助教团队

陈师兄 北京航天大学硕士，研究方向为计算机视觉  

周师兄 浙江大学计算机科学人工智能博士      

许师兄 同济大学硕士在读

陈师兄 清华大学硕士在读，研究方向主要为gcn安全。

倪师姐  山东大学医学图像处理方向硕士，熟悉深度学习原理，负责过CT图像上的目标检测项目，研究兴趣为计算机视觉。

李师兄  数据科学家、算法工程师。目前从事构建基于计算机视觉、NLP内容理解的深度推荐系统。         

沈师兄 清华大学硕士生，研究方向为攻击隐私模型。

1、内容深入浅出，有足够的理论深度

目前的很多课程教大家使用numpy, pandas等基础工具，但是对于AI的具体原理方法以及其他深层次问题不涉及，这使得一些同学学完只能知其皮毛，不能解决实际问题。我们的课程从每个知识点的产生背景和理论分析入手，带领大家知其然，更知其所以然。 

2、实际问题与真实代码驱动

目前很多AI课程的内容与产业脱离较远，往往很大篇幅涉及的网络结构在实际产业中并没有实际应用。大量篇幅讲解理论知识，但是没有具体的编程实现，或者编程实现解决的问题太过简单(toy problems)，这使得读者掌握了一大堆名词，但是还是不知道具体如何解决问题。我们的课程老师在企业中曾经作为项目负责人负责过多个项目，对产业的理解与需求有足够的认识。而且我们的老师都曾经面试过诸多求职者，能够体会出求职者面临的问题。我们的课程全程以真实代码驱动，每个知识点都有足够难度的课后作业，每个模块结束都有企业级别难度的综合项目联系，学完可以让大家真正的解决实际问题。 

3、内容注重体系建设，注重 AI 发展脉络

目前很多AI培训，往往过分关注深度学习等最新的“时尚”知识，但是实际产业中，除了深度学习之外，其他的很多经典方法依然是长期使用的，本课程跟随 AI 的发展脉络，带领大家对 AI 与 NLP/CV/RS 知识建立一个较为完备的知识脉络。这样才能在一波一波的技术革新中立于不败之地。 

 

4、课程结果保证

选择课程保过班的同学，报名伊始既签订协议，如果完成课程拿不到 offer 或者初次就业达不到年薪22.5万/本科16.5万(限北上广深杭)，则立即全额退款。 

5、全程进度督促

大家学习一门知识，善始者实繁，克终者盖寡。下定决心学习只是第一步，坚持学习完毕才是重中之重。我们课程组老师和助教会全程督促各位同学完成课程。

依据往期学生的经验，要能完成以上学习任务需要具备以下背景能力：

• 至少具备本科学位，硕士及以上学位更佳；

• 持续自学能力，能够每周至少投入6小时以上（3小时上课，3小时作业和项目），至少持续5个月进行学习；

• 掌握良好的英语听说读写能力，至少具备英语6级或者托福75分，雅思6分的英语能力；

• 具备基础的数学能力，大学期间曾经学习过单元微积分、多元微积分，线性代数，概率论；

• 至少熟悉一门编程语言，如Java/C++/Python/C/MATLAB，能够使用 Python 完成入学编程自测题。

注1：不具备预备能力的同学，我们为您提供了免费的预修课程（数学和python），详情请参见本文最后Q&A部分。 

注2：入学编程自测题详情，请见本文最后Q&A部分。

考虑到广大学员的不同就业需求，本次班期开设以下课程类型可供选择：

本次课程培训为期时长6个月，其中核心授课时间4个月左右，就业指导2个月。通关班与保过班的课程内容一致，保过班会在第三方公证平台上签订保过协议。

分期付款

本课程为同学提供 3、6、12 期分期付款

全额退款

拿不到offer全额退款

报名保过班的同学，报名伊始即签订协议，若完成课程拿不到 offer 或者初始就业税前薪资低于22.5万/年（本科不低于16.5万/年），则退还全部学费。

自2017年本AI课程招生开始，连续四期，累计培养近千名学员，其中前三期（第四期还未毕业）80%的同学拿到了offer，其中不乏国内外知名企业的算法岗位或者国外名校的AI Phd，Master的offer。下图所列举校友资源仅为第四期部分学员。

>>滑动查看往期学员就业情况及优秀校友背景 <<

>>滑动查看往期学员就业情况及优秀校友背景 <<

学员反馈

>>滑动查看往期学员反馈 <<

>>滑动查看往期学员反馈 <<

最后，感谢大家阅读至此，希望之后能与大家度过一个忙碌而又丰富的学习历程。大家可以扫描下方二维码进行预报名或者进行咨询。 

《人工智能工程师培养计划》（第六期）

本期招生名额仅为200人

注：

1. 报名时需要手机接收验证信息，在海外不能接收信息的同学请将个人信息发送至

[email protected] 进行报名；

2. 准到上显示的报名人数为预报名人数，并非最终通过测试参加课程的学员人数。

—————— AI学院更多课程 ———————