京东 | AI人才联合培养计划
01 京東AI項目實戰課程安排
覆蓋了從經典的機器學習、文本處理技術、序列模型、深度學習、預訓練模型、知識圖譜、圖神經網絡所有必要的技術。
項目一、京東健康智能分診項目
第一周：文本處理與特征工程
| Bag of Words模型
| 從tf-idf到Word2Vec
| SkipGram與CBOW
| Hierarhical Softmax與Negative Sampling
| FastText? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
| N-gram與平滑操作
| 文本特征工程
| 工具的使用：Gensim、Sklearn、jieba的使用
| 專題：如果閱讀科研論文
| 項目：京東健康智能分診項目講解（1）
?
第二周：基于統計學習的分類方法
| 決策樹
| CART模型
| Bagging & Boosting
| 隨機森林和GBDT
| XGBoost
| 精確率、召回率
| F1，AUC
| 專題：如何處理樣本不平衡問題
| 專題：京東Neufoundry平臺的使用
| 項目：京東健康智能分診項目講解（2）
?
第三周：基于深度學習的分類方法
| 統計學習與深度學習的區別
| 深度學習與淺層學習
| 從邏輯回歸到神經網絡
| 深度學習的非線性性質
| 損失函數與優化器
| 神經網絡的調參
| CNN與TextCNN
| 實戰：Pytorch的基礎使用
| 實戰：使用Pytorch實現神經網絡和卷積神經網絡?
| 項目：京東健康智能分診項目講解（3）
項目二、京東智能營銷文本生成項目
第四周：遞歸神經網絡RNN與BPTT算法
| BPTT與RNN中的梯度消失、爆炸
| 梯度爆炸的處理
| LSTM與GRU
| 基于LSTM的文本分類
| Bi-LSTM與Deep Bi-LSTM
| RNN與LSTM的可視化
| 實戰：基于LSTM的情感分類
| 專題：GPU技術詳解
| 項目：京東智能營銷文本生成項目講解（1）
?
第五周：Seq2Seq模型與營銷文本生成
| Encoder-Decoder模型以及各類應用場景
| Seq2Seq模型與注意力機制
| Greedy Decoding
| Beam Search
| 基于Seq2Seq的文本生成
| 文本生成的評價指標
| 實戰：基于Seq2Seq的機器翻譯
| 項目：京東智能營銷文本生成項目講解（2）
?
第六周：Pointer-Generator Network和多模態識別
| 抽取式文本摘要和生成式文本摘要
| Pointer-Generator Network
| Beam Search優化思路
| Length Normalization
| Coverage Normalization
| End of Sentence Normalization
| 多模態識別技術: ResNet和Faster RCNN
| 實戰：PGN+Seq2Seq解讀
| 論文：京東論文解讀
| 項目：京東智能營銷文本生成項目講解（3）
項目三、京東同類商品搜索項目
第七周：Entity Linking與圖卷積神經網絡
| 什么是實體
| Entity Linking問題解讀
| 圖的表示
| 圖表示的應用場景
| 卷積神經網絡回顧
| 在圖中的卷積
| 圖中的信息傳遞
| 圖卷積神經網絡（GCN）
| 論文：GCN論文解讀和復現
| 項目：京東同類商品搜索項目講解（1）
?
第八周：GraphSage與Graph Attention Network
| GraphSage詳解
| 注意力機制講解
| 注意力機制與圖表示
| GAT模型詳解
| GAT與知識圖譜應用
| 對于Heterogenous數據處理
| 論文：GAT論文解讀與復現
| 項目：京東同類商品搜索項目講解（2）
?
第九周：Entity Linking技術與GNN的其他應用場景
| Entity Linking前沿技術剖析
| 基于GNN的文本分類
| 基于GNN的實體識別
| 基于GNN的社交網絡分析
| 基于GNN的鏈接預測
| GNN的前沿主題
| 論文：圖神經網絡綜述
| 項目：京東同類商品搜索項目講解（3）
項目四、京東智能對話系統項目
《京東NLP企業項目實戰訓練營》
專注于培養行業TOP10%的NLP工程師
對課程有意向的同學
截圖保存二維碼，微信內掃描
報名、課程咨詢
????????????
01 科學的實戰安排
每一期的訓練營都有嚴謹科學的安排，每周伴隨著理論、實戰、案例分享、項目講解等課程一系列課程內容。
▲節選往期部分課程安排
02 項目講解&實戰幫助
訓練營最終的目的是幫助學員完成項目，理解項目中包含核心知識技能，訓練營中會花大量的時間幫助學員理解項目以及所涉及到的實戰講解。
▲節選往期部分課程安排
03 最佳工程實戰
來自京東智聯云等業界專家來講述工業界的最佳工程實戰，如AI模型的部署、代碼編寫、模型的調參以及debug等技術。
▲源自京東智聯云AI某模塊架構圖
04 專業的論文解讀
作為AI工程師，閱讀論文能力是必須要的。在課程里，我們每1-2周會安排一篇經典英文文章供學員閱讀，之后由老師幫助解讀。? ?
????
▲節選往期部分論文安排
05 代碼解讀&實戰
對于核心的模型如BERT，XLNet都會精心安排代碼解讀和實戰課，幫助學員深入理解其細節并有能力去實現。
▲BERT模型代碼實戰講解
06 行業案例分享
訓練營過程中會邀請合作的專家來分享行業案例以及技術解決方案，如知識圖譜的搭建、保險領域的客服系統等。
▲專家分享
《Google YouTube 基于深度學習的視頻推薦》
嘉賓簡介：曾博士
計算機視覺，機器學習領域專家
先后在CVPR，ACMMM，TPAMI，SCI 期刊，EI 會議等發表超過30篇論文
07 日常社群答疑
為了幫助解決學員遇到的問題，專業助教會提供全天社群答疑服務。我們的助教均來來自于一線AI公司和國內外名校，扎實的理論和工業界應用也是我們選拔助教老師的重要標準，拒絕空談理論。
▲社群內老師專業的解答
08 日常作業&講解
為了鞏固對一些核心知識點，學員除了大項目，也需要完成日常的小作業。之后助教會給出詳細的解答。
▲課程學習中的小作業
?
課程適合哪些學員吶？
大學生：
計算機或者信息領域相關的本科/研究/博士生，畢業后希望從事AI相關的工作。
希望在真實工業場景中磨煉技術，提升職場競爭力。
畢業之后希望申請國內外名校的碩士或者博士。
在職人士：
具備良好的工程研發背景，希望從事AI相關的項目或者工作。
從事AI工作，希望進一步提升NLP實戰經驗。
從事NLP工作，希望深入了解模型機理。
AI developer, 希望突破技術瓶頸， 了解NLP前沿信息。?
入學標準：
1、 理工科專業相關本科生，碩士生或博士生或者IT領域的在職人士
2、具備很強的動手能力、熟練使用Python編程
3、對基本的機器學習算法（邏輯回歸、隨機森林、SVM）有了解或者有過實戰經驗
4、具備良好的英文文獻閱讀能力，至少達到CET-4級水平
●●●
課程其他的細節可以聯系課程顧問來獲取
添加課程顧問微信
報名、課程咨詢
????????????
總結
以上是生活随笔為你收集整理的京东 | AI人才联合培养计划的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 艺术墙面漆和乳胶漆哪个好？有没有什么推荐
- 下一篇： 问题生成的多样性会在多大程度上帮助下游Q