京東 | AI人才聯(lián)合培養(yǎng)計(jì)劃
01 京東AI項(xiàng)目實(shí)戰(zhàn)教學(xué)
項(xiàng)目一、京東智能對(duì)話系統(tǒng)項(xiàng)目
項(xiàng)目簡(jiǎn)介：智能客服機(jī)器人已經(jīng)成為了客服系統(tǒng)的重要組成部分，幫助人工客服提升工作效率，為企業(yè)降低人工成本。作為智能客服的行業(yè)先驅(qū)，京東多年來(lái)致力打造全鏈路的客服機(jī)器人，最大化提升商家的接待效率和用戶體驗(yàn)。目前智能機(jī)器人的對(duì)話生成策略已經(jīng)在“京小智”、“京東JIMI“等智能客服機(jī)器廣泛應(yīng)用，在用戶購(gòu)買(mǎi)商品的售前以及售后環(huán)節(jié)，為數(shù)千萬(wàn)用戶以及數(shù)十萬(wàn)商家進(jìn)行服務(wù)，為商家降本增效，為用戶提升購(gòu)物客服體驗(yàn)。
項(xiàng)目二、京東智能營(yíng)銷文本生成項(xiàng)目
項(xiàng)目簡(jiǎn)介：在京東零售場(chǎng)景，數(shù)百萬(wàn)的寫(xiě)作達(dá)人每天為商品創(chuàng)作賣(mài)點(diǎn)突出、風(fēng)格多樣的營(yíng)銷文案以促進(jìn)用戶下單，同時(shí)達(dá)人也會(huì)賺取傭金。但達(dá)人創(chuàng)業(yè)也會(huì)導(dǎo)致創(chuàng)作成本高、量產(chǎn)性差、質(zhì)量參差不齊的問(wèn)題。目前京東AI營(yíng)銷文案的人工審核通過(guò)率超過(guò)95%，并覆蓋了全品類的商品。模型已成功應(yīng)用于京東APP-發(fā)現(xiàn)好貨，對(duì)話機(jī)器人京小智和搭配購(gòu)等場(chǎng)景。
項(xiàng)目三、京東同類商品競(jìng)價(jià)搜索項(xiàng)目
項(xiàng)目簡(jiǎn)介：當(dāng)商家上架或選擇新品時(shí)，往往需要更全面了解產(chǎn)品性能參數(shù)等指標(biāo)對(duì)比，為便于幫助商戶的決策，京東提供了一款同類商品搜索功能產(chǎn)品；給定一個(gè)商品，它可以根據(jù)商品相關(guān)的信息去自動(dòng)找到網(wǎng)上的同類商品。這里的一個(gè)難點(diǎn)在于，每一個(gè)商品在網(wǎng)上的標(biāo)題、描述都有一些區(qū)別，所以定位到同一個(gè)商品本身具有一定的挑戰(zhàn)。
對(duì)課程有意向的同學(xué)
可掃描二維碼咨詢
??????
第1章：自然語(yǔ)言處理概述
什么是自然語(yǔ)言處理及現(xiàn)狀和前景
自然語(yǔ)言處理應(yīng)用
自然語(yǔ)言處理經(jīng)典任務(wù)及技術(shù)
第2章：數(shù)據(jù)結(jié)構(gòu)與算法基礎(chǔ)
時(shí)間復(fù)雜度、空間復(fù)雜度
斐波那契數(shù)列的時(shí)間和空間復(fù)雜度
動(dòng)態(tài)規(guī)劃算法
經(jīng)典的DP問(wèn)題
第3章：機(jī)器學(xué)習(xí)基礎(chǔ) - 邏輯回歸
分類問(wèn)題以及邏輯回歸重要性
邏輯回歸的條件概率
最大似然估計(jì)
構(gòu)建邏輯回歸的目標(biāo)函數(shù)
優(yōu)化與梯度下降法
隨機(jī)梯度下降法
第4章：機(jī)器學(xué)習(xí)基礎(chǔ) - 模型的泛化
理解什么是過(guò)擬合
如何防止過(guò)擬合現(xiàn)象
L1與L2正則
交叉驗(yàn)證
L1正則與拉普拉斯分布
L2正則與高斯分布
第二部分：文本處理篇
第5章：分詞、詞的標(biāo)準(zhǔn)化、過(guò)濾
文本分析流程
中英文的分詞
最大匹配算法
基于語(yǔ)言模型的分詞
Stemming和Lemmazation
停用詞的使用
拼寫(xiě)糾錯(cuò)問(wèn)題
編輯距離的實(shí)現(xiàn)
暴力搜索法
基于后驗(yàn)概率的糾錯(cuò)
第6章：文本的表示
單詞的獨(dú)熱編碼表示
句子的獨(dú)熱編碼表示
tf-idf表示
句子相似度比較
獨(dú)熱編碼下的單詞語(yǔ)義相似度
從獨(dú)熱編碼到詞向量
詞向量的可視化、句子向量
第7章：【項(xiàng)目作業(yè)】豆瓣電影評(píng)分預(yù)測(cè)
數(shù)據(jù)描述以及任務(wù)
中文分詞
獨(dú)熱編碼、tf-idf
分布式表示與Word2Vec
BERT向量
句子向量
第8章：詞向量技術(shù)
獨(dú)熱編碼表示的優(yōu)缺點(diǎn)
獨(dú)熱編碼與分布式表示的比較
靜態(tài)詞向量與動(dòng)態(tài)詞向量
學(xué)習(xí)詞向量 - 分布式假設(shè)
SkipGram與CBOW
SkipGram模型的目標(biāo)
負(fù)采樣（Negative Sampling）
基于矩陣分解的詞向量學(xué)習(xí)
基于Glove的詞向量學(xué)習(xí)
在非歐式空間中的詞向量學(xué)習(xí)
第9章：【項(xiàng)目作業(yè)】智能客服問(wèn)答系統(tǒng)
問(wèn)答系統(tǒng)和應(yīng)用場(chǎng)景
問(wèn)答系統(tǒng)搭建流程
文本的向量化表示
FastText
倒排表技術(shù)
問(wèn)答系統(tǒng)中的召回、排序
第10章：語(yǔ)言模型
語(yǔ)言模型的必要性
馬爾科夫假設(shè)
Unigram語(yǔ)言模型
Bigram、Trigram語(yǔ)言模型
語(yǔ)言模型的評(píng)估
語(yǔ)言模型的平滑技術(shù)
第三部分：自然語(yǔ)言處理與深度學(xué)習(xí)
第11章：深度學(xué)習(xí)基礎(chǔ)
理解神經(jīng)網(wǎng)絡(luò)
各類常見(jiàn)的激活函數(shù)
理解多層神經(jīng)網(wǎng)絡(luò)
反向傳播算法
神經(jīng)網(wǎng)絡(luò)中的過(guò)擬合
淺層模型與深層模型對(duì)比
深度學(xué)習(xí)中的層次表示
第12章：Pytorch的使用
環(huán)境安裝
Pytorch與Numpy的語(yǔ)法比較
Pytorch中的Autograd用法
Pytorch的Forward函數(shù)
第13章：RNN與LSTM
從HMM到RNN模型
RNN中的梯度問(wèn)題
解決梯度爆炸問(wèn)題
梯度消失與LSTM
LSTM到GRU
雙向LSTM模型
基于LSTM的生成
練習(xí)：利用Pytorch實(shí)現(xiàn)RNN/LSTM
第14章：Seq2Seq模型與注意力機(jī)制
Seq2Seq模型
Greedy Decoding
Beam Search
長(zhǎng)依賴所存在的問(wèn)題
注意力機(jī)制
注意力機(jī)制的不同實(shí)現(xiàn)
第15章：【項(xiàng)目實(shí)戰(zhàn)】京東智能營(yíng)銷文案生成
構(gòu)建Seq2Seq模型
Beam Search的改造
模型調(diào)優(yōu)
Length Normalization
Coverage Normalization
評(píng)估標(biāo)準(zhǔn) Rouge
Pointer-Generator Network
PGN與Seq2Seq的融合
第16章：動(dòng)態(tài)詞向量與ELMo技術(shù)
基于上下文的詞向量技術(shù)
圖像識(shí)別中的層次表示
文本領(lǐng)域中的層次表示
深度BI-LSTM
ELMo模型簡(jiǎn)介及優(yōu)缺點(diǎn)
ELMo的訓(xùn)練與測(cè)試
第17章：自注意力機(jī)制與Transformer
基于LSTM模型的缺點(diǎn)
Transformer結(jié)構(gòu)概覽
理解自注意力機(jī)制
位置信息的編碼
理解Encoder與Decoder區(qū)別
理解Transformer的訓(xùn)練和預(yù)測(cè)
Transformer的缺點(diǎn)
第18章：BERT與ALBERT
自編碼器介紹
Transformer Encoder
Masked LM
BERT模型及其不同訓(xùn)練方式
ALBERT
第19章：【項(xiàng)目實(shí)戰(zhàn)】京東智能客服系統(tǒng)項(xiàng)目
對(duì)話系統(tǒng)的分類方法
檢索方式與生成方式
對(duì)話系統(tǒng)架構(gòu)
意圖識(shí)別分類器
閑聊引擎的搭建
Transformer與BERT的使用
第20章：GPT與XLNet
Transformer Encoder回顧
GPT-1，GPT-2，GPT-3
ELMo的缺點(diǎn)
語(yǔ)言模型下同時(shí)考慮上下文
Permutation LM
雙流自注意力機(jī)制
Transformer-XL
第四部分、信息抽取
第21章：命名實(shí)體識(shí)別與實(shí)體消歧
信息抽取的應(yīng)用和關(guān)鍵技術(shù)
命名實(shí)體識(shí)別
NER識(shí)別常用技術(shù)
實(shí)體消歧技術(shù)
實(shí)體消歧常用技術(shù)
實(shí)體統(tǒng)一技術(shù)
指代消解
第22章：關(guān)系抽取
關(guān)系抽取的應(yīng)用
基于規(guī)則的方法
基于監(jiān)督學(xué)習(xí)方法
Bootstrap方法
Distant Supervision方法
第23章：依存文法分析
從語(yǔ)法分析到依存文法分析
依存文法分析的應(yīng)用
使用依存文法分析
基于圖算法的依存文法分析
基于Transtion-based的依存文法分析
其他依存文法分析方法論
第24章：知識(shí)圖譜
知識(shí)圖譜以及重要性
知識(shí)圖譜中的實(shí)體和關(guān)系
利用非結(jié)構(gòu)化數(shù)據(jù)構(gòu)造知識(shí)圖譜
知識(shí)圖譜的設(shè)計(jì)
第25章：【項(xiàng)目實(shí)戰(zhàn)】京東同類商品競(jìng)價(jià)搜索項(xiàng)目
Entity Linking介紹
Entity Linking技術(shù)概覽
從商品描述、商品標(biāo)題中抽取關(guān)鍵實(shí)體
搭建商品知識(shí)圖譜
基于GNN學(xué)習(xí)商品的詞嵌入
商品的ranking以及相似度計(jì)算
第五部分：圖神經(jīng)網(wǎng)絡(luò)以及其他前沿主題
第26章：模型的壓縮
模型壓縮的必要性
常見(jiàn)的模型壓縮算法總覽
基于矩陣分解的壓縮技術(shù)
從BERT到ALBERT的壓縮
基于貝葉斯模型的壓縮技術(shù)
模型的量化
模型的蒸餾方法
第27章：圖神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)的回顧
圖神經(jīng)網(wǎng)絡(luò)發(fā)展歷程
圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）
GAT詳解
對(duì)課程有意向的同學(xué)
可掃描二維碼咨詢
??????
01 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。
▲節(jié)選往期部分課程安排
02 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(xiě)、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
03 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，我們會(huì)安排經(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
04 代碼解讀&實(shí)戰(zhàn)
對(duì)于核心的模型如BERT，XLNet都會(huì)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)。
▲B(niǎo)ERT模型代碼實(shí)戰(zhàn)講解
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(jué)，機(jī)器學(xué)習(xí)領(lǐng)域?qū)＜?/span>
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 日常作業(yè)&講解
為了鞏固對(duì)一些核心知識(shí)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(huì)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(chǎng)景中磨煉技術(shù)，提升職場(chǎng)競(jìng)爭(zhēng)力。
畢業(yè)之后希望申請(qǐng)國(guó)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(dòng)手能力、熟練使用Python編程
3、具備良好的英文文獻(xiàn)閱讀能力，至少達(dá)到CET-4級(jí)水平
對(duì)課程有意向的同學(xué)
可掃描二維碼咨詢
??????