在过去的几个月时间里，Google和Facebook在一场别样的大战上打得火热，自从Google的XLNet横空出世战胜了BERT的记录，Facebook就开始默默憋大招了。上周剧情再次翻转，改进版BERT-RoBERTa登上了GLUE排行榜榜首。这场没有想要的技术攻坚战，在短短一个月内持续发酵。
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。随着技术的不断更新与发展，我们的课程内容也是越加越多，越来越精。一转眼，我们也迎来了NLP训练营5期开始招生了！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~

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

第一阶段 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

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. 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

第三阶段 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）

第四阶段 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

第五阶段 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

第六阶段 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。

部分课程项目

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。

毕业标准

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。今年九月，大魔头携带着他的第五期《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！

注：本文含商业推广内容

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。