课程亮点
最全的预训练内容
BERT、GPT、BART、T5、DALLE
答疑服务
即时答疑的方式,助教老师会尽快回答大家在学习中遇到的问题
深入的内容
有深度的内容、涵盖目前所能找到的最前沿的内容
专业的授课团队
在本领域有着多年工程和科研经验的导师
对科研、出国也有帮助
为以后做相关课题的科研、以及出国留学有很大帮助
提高创新能力
深入一个领域是技术创新所必须的条件
课程概要
预训练(Pre-training)是目前自然语言处理领域的研究热点,基于预训练方法的各类模型在几乎所有自然语言处理任务上获得了当前最好性能。并且随着计算机硬件性能的提升,预训练方法正在逐渐被应用在各类工业系统上,为各类业务带来了极大的性能提升。帮助大量企业产生了不菲的收益。
你将收获
全面掌握预训练技术、灵活应用在自己工作中
能够了解各类预训练模型的实现方式,并熟练掌握其关键技术与方法
深入理解前沿的预训练技术,有助于为后续的科研打下基础
完成一个课题,有可能成为一个创业项目或者转换成你的科研论文
短期内对一个领域有全面的认识,大大节省学习时间
认识一群拥有同样兴趣的人、相互交流、相互学习
课程大纲
预训练技术
大纲
第一周:预训练模型基础
第二周:ELmo与BERT
第三周:GPT系列模型
第四周:Transformer-XL与XLNet
第五周:其他前沿的预训练模型
第六周:低计算量下模型微调和对比学习
第七周:多模态预训练和挑战
论文列表
1、Attention Is All You Need
2、Language Models are Few-Shot Learners
3、BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
4、Deep contextualized word representations
5、XLNet: Generalized Autoregressive Pretraining for Language Understanding
6、BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension
7、RoBERTa: A Robustly Optimized BERT Pretraining Approach
8、CogView: Mastering Text-to-Image Generation via Transformers
9、Improving Language Understanding by Generative Pre-Training
10、Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
11、ALBERT: A Lite BERT for Self-supervised Learning of Language Representations
12、SpanBERT: Improving Pre-training by Representing and Predicting Spans
13、GPT Understands, Too
项目部分
固定项目
基于预训练模型的情感分类
概要:本项目的目的是将预训练模型应用在最常见的NLP任务:文本分类中。在本项目中,我们会引导学员在公开的benchmark数据集上实现自己的情感分类模型,并引导学员尝试不同的预训练模型和表示提取方法。
涉及到的技术:
BERT
文本分类
文本表示学习
适合人群
大学生
在职人士
入学标准
理工科相关专业学生,或者IT从业者
具有良好的Python编程能力、深度学习基础
有一定的机器学习基础
或者成功完成贪心学院以下课程中的任意一门:
中级机器学习
高阶自然语言处理、或者同级别其他课程
课程团队
郑老师
清华大学计算机系
(计算机科学与人工智能研究部)博士后,美国劳伦斯伯克利国家实验室访问学者;美国亚利桑那大学访问学者;主要从事自然语言处理,对话领域的先行研究与商业化;先后在AAAI,NeurIPS,ACM,EMNLP等国际会议及期刊上发表过10篇以上论文
毕业证书
对于成功完成每个模块内容的学员,我们会颁发对应模块的毕业证书(注:必须要达到及格标准)
助教老师课上辅导&课下答疑
闫老师
(周一到周日)
常见问题
1、参加本课程有什么要求?
参加本课程需要一定的自然语言处理基础。
2、学完课程能达到什么水平?
能够系统性理解自然语言处理技术、有能力自主设计新的新的模型,并应用在工程中; 或者有能力从事科研相关的工作。
3、课程中的理论和实操比例是怎样的?
课程中会有大量较为深入的技术讲解,由浅入深,理论部分会很充实。 另外,你通过完成课题的方式来完成实战部分。
4、课程支持哪些付费方式?
支付宝、微信、银行卡、公对公打款、paypal付款。
5、加入课程,最后怎样才能拿到证书?
对于证书我们坚持高门槛,只有达到及格线我们才会颁发证书。