自然语言处理无非是目前最大的风口,从Word2Vec、ElMo、GPT、Bert到XLNet, 我们见证了这个领域的高速发展以及未来的前景。互联网中的大量的文本以及IOT时代赋予我们的全新交互带来了这个领域的爆发。
为了迎合这种变化,我们的课程也在不断迭代更新,保证不错过任何2周之内出现的重要技术。这次我们迎来了第五期NLP的招生,千万不要觉得这是一个对标其他线上课程的普通的训练营。由于内容的专业性以及深度,在过去吸引了大量的全球顶级名府的学员,这里不乏来自CMU, Columbia, USC, UCSD等美国顶级名校和清北上交等国内名校学员,还有很多准一线的工程师。
我们训练营的特色可以概括为:
体系化、专业性、深度、精细化讲解,
最重要的一点是可以帮助你看到里面的本质、而且能够把零零散散的知识点串起来,
我们只做AI教育,因为这是我们最擅长的领域!
另外,我们配备相应的教材,越早加入就有更多预习准备的时间!
课程大纲
第一阶段 算法与机器学习基础
【核心知识点】
. 时间复杂度,空间复杂度分析
. Master’s Theorem,递归复杂度分析
. 动态规划以及Dynamic Time Warpping
. Earth Mover’s Distance
. 维特比算法
. LR、决策树、随机森林、XGBoost
. 梯度下降法、随机梯度下降法、牛顿法
. Projected Gradient Descent
. L0, L1, L2, L-Infinity Norm
. Grid Search, Bayesian Optimization
. 凸函数、凸集、Duality、KKT条件
. Linear SVM、Dual of SVM
. Kernel Tick, Mercer’s Theorem
. Kernelized Linear Regression、Kernelized KNN
. Linear/Quadratic Programming
. Integer/Semi-definite Programming
. NP-completeness/NP-hard/P/NP
. Constrained Relaxation、Approximate Algorithm
. Convergence Analysis of Iterative Algorithm
【部分案例讲解】:
. 基于Sparse Quadratic Programming的股票投资组合优化策略编写
. 基于Earth Mover’s Distance的短文本相似度计算
. 基于Projected Gradient Descent和非负矩阵分解的词向量学习
. 基于Linear Programming的机票定价系统
. 基于DTW的文本相似度分析
第二阶段 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
. 常见的Smoothing Techniques
. Learning to Rank
. Latent Variable Model
. EM算法与Local Optimality
. Convergence of EM
. EM与K-Means, GMM
. Variational Autoencoder与Text Disentangling
.有向图与无向图模型
. Conditional Indepence、D-separation、Markov Blanket
. HMM模型以及参数估计
. 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
【部分案例讲解】:
. 基于无监督学习方法的问答系统搭建
. 基于监督学习的Aspect-Based 情感分析系统搭建
. 基于CRF、LSTM-CRF、BERT-CRF 的命名实体识别应用
. 基于语言模型和Noisy Channel Model的拼写纠错