我要报名
适用人群
针对有兴趣学习人工智能技术应用在科研,数据分析,社会经济领域的学员。通过项目学习,可以极大提高学员交叉背景申请能力,为未来接触AI行业奠定基础
你将收获
自然语言理解与生成实战项目证明
深入理解自然语言处理的模型、方法、评测
北美Phd导师推荐信
你将学习的技能
自然语言处理
NLP
人工智能
课题介绍
人工智能技术在近年来取得了许多重大的进展,其中自然语言处理领域也获得了长足的发展。从特征工程到基于统计学习的方法,再到基于神经网络的模型和海量数据规模的预训练模型,自然语言的理解和生成被越来越多地运用在几乎所有的业务场景中。从Siri、小冰到客服系统、搜索引擎,文本的理解和生成越来越重要
课程大纲
本项目有12学时的课程将精解前沿的模型框架,深入理解自然语言系统的框架设计和架构,基于Pytorch和相关库的剖析(AllenNLP和Transformers),从而做到对于未来实践中的不同任务、不同场景都能从容应对。 每个授课课时都会安排一定的课后学习与训练,包括但不限于阅读指定的章节、论文,实现、补全代码,设计实验方案与模型改进
1
自回归模型与语言模型
考察:模型实战:循环语言模型
授课1小时; 学习1小时
2
自然语言处理的系统设计与应用
考察:模型实战:基于库的模型设计、训练和部署 – 以序列标注为例
授课2小时; 学习6小时
3
Transformer模型精解
考察:模型实战:基于注意力的机器翻译模型
授课2小时; 学习4小时
4
模型的可视化
考察:代码练习:模型预测结果的可视化
授课1小时; 学习2小时
5
预训练模型简介
考察:课件材料学习
授课1小时; 学习1小时
6
自然语言处理的模型与框架
考察:模型实战:预训练模型的定制与设计
授课1小时; 学习3小时
7
文本生成的方法与评测
考察:代码练习:文本生成的评测
授课1小时; 学习1小时
8
文本摘要
考察:模型实战:基于BERT的抽取式文本摘要模型
授课2小时; 学习4小时
9
模型的解释与验证
考察:模型实战:问答系统的解释与可视化
授课1小时; 学习1小时
课程导师
Jason

经历

担智能顶级会议NeurIPS/AAAI审稿人
自然语言处理顶级会议ACL/EMNLP/NAACL审稿人
在ACL/EMNLP/AAAI等顶级会议发表数篇论文
谷歌/微软暑期Research Intern

教育

复旦大学本科
德州大学奥斯汀分校计算机博士