行业背景提升实战项目
围绕具体问题完成实践，建立能展示、能解释个人贡献的项目经历。
以下为此类服务的一般说明，本项目的具体要求与内容请结合下方介绍确认。
哪些需求可以考虑这类服务？
- 学过理论或工具，但缺少从问题到成果的完整项目实践。
- 转专业、转岗位，希望建立与目标方向相关的技能与作品。
- 简历中的项目较薄弱，或尚不能清楚解释自己的工作与取舍。
为什么参加实战项目？
- 把学到的知识用于具体问题，练习分析、实现与复盘。
- 根据项目大纲形成可展示的成果，并梳理自己实际完成的部分。
- 练习讲清需求、方案选择、遇到的困难与解决过程，为求职表达积累素材。
如何判断是否适合自己？
不是每个人都需要再参加一个项目。如果你已有充分相关实践，可能更需要面试辅导。培训项目不自动等同于正式工作或实习经历，应如实描述。
项目成果、基础要求、授课形式与时间投入以本项目大纲为准；不同项目不统一承诺代码、报告或上线产品，也不统一采用 1 对 1 授课。
本项目适用人群
本项目针对感兴趣深度学习、计算机视觉、主动学习领域的学员，可以帮助学员提升项目背景，为未来相关领域求学、职业发展提升竞争力。
你将收获
深入理解并实现经典文本分类方法
深入理解深度学习和自然语言处理的核心理论知识
项目对于留学申请会有相关背景的大幅度提升
你将学习的技能
transformer和attention机制回顾与进阶
基于BERT的文本语义理解和信息抽取
基于GPT的生成式对话任务
pytorch框架文本分类实践
课题介绍
随着ChatGPT这一现象级产品的问世，大语言模型开始风靡全球。大语言模型（LLM）是一种深度学习算法，可以通过大规模数据集训练来学习识别、总结、预测和生成文本及其他内容，可帮助人类生成解决全球棘手问题的方案。目前，大语言模型已在工业界得到广泛应用，例如帮助人们从海量文本中提取有效信息、帮助重构搜索引擎、指导聊天机器人等等。因此，学习并了解大语言模型对于在AI行业工作的小伙伴们至关重要。
课程大纲
项目要求学生了解基本的深度学习概念（至少学过一门机器学习入门课程），有较为熟练的Python编程基础，并且有基本的数学基础（微积分、线性代数以及概率统计）。总时长为8周12课时，每周约3小时的课后练习。最后完成一个结题项目
1
阅读经典论文“Attention Is All You Need
考察：代码练习
授课1小时; 学习3小时
2
用代码实现attention机制，经典面试
考察：代码练习
授课1小时; 学习3小时
3
结合经典论文回顾BERT，以及BERT微调的几种方案，了解BERT的应用场景
考察：代码练习
授课1小时; 学习3小时
4
结合经典论文回顾GPT原理，讲解BERT和GPT的区别
考察：代码练习
授课1小时; 学习3小时
5
介绍工业界比较流行的几个BERT衍生模型，以及讲解如何选取合适的模型做不同的任务
考察：实战任务：文本多标签分类
授课2小时; 学习2小时
6
介绍工业界比较流行的几个BERT衍生模型，以及讲解如何选取合适的模型做不同的任务
考察：实战任务：文本实体抽取
授课2小时; 学习2小时
7
介绍工业界比较流行的几个BERT衍生模型，以及讲解如何选取合适的模型做不同的任务
考察：实战任务：文本情感分类
授课2小时; 学习2小时
8
介绍工业界流行的GPT衍生模型
考察：实战任务：生成式对话模型
授课2小时; 学习2小时
课程导师
常见问题
实战项目与学校作业有什么区别？
选择时重点比较问题场景、实践深度、导师反馈和成果要求，而不是只看名称。可结合本项目大纲，确认它能否补足现有课程作业尚未覆盖的能力。
已经有项目经历，还一定要报名吗？
不一定。先看现有项目与目标岗位的相关程度，以及你能否解释自己的贡献；若这些已经充分，面试准备或其他求职支持可能更适合。
实战项目可以写成企业实习吗？
培训项目与正式实习不是同一类经历。应按实际参与形式、工作内容和可核实的事实填写简历，不将培训项目包装成不存在的雇佣经历。
