文本生成技术高级训练营
全面剖析NLP中的文本生成
课程亮点
最全的文本生成技术讲解
机器翻译，抽取式生成、对抗文本生成、Creative Writing、多模态生成
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
神经网络语言生成是一项迅速崛起的技术，其融合了深度学习和语言学的核心技术，使得模型可以更好的学习捕获语言学中的规律，语法，语意等能力，而做到代替人工生成流利通顺的自然文本。 通过本次课程的学习，学员能够系统的掌握自然语言本文生成的核心技术，包括Seq2Seq框架，机器翻译， 抽取式摘要， 生成式摘要， 创意文本及可控性文本的生成（写作故事，诗词，对联，古诗）等生成，多模态文本生成， 对抗生成网络与强化学习结合的文本生成，通过Auto Encoder 类文本生成，NL2Sql, Table2Text, 预训练类文本生成模型等。 即有学术前沿的跟踪，也有工业界NLG场景的落地实施。
你将收获
全面掌握文本生成技术、灵活应用在自己工作中
能够了解各类文本生成模型的实现方式，并熟练掌握其关键技术与方法
深入理解前沿的文本生成技术，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
文本生成技术
大纲
第一周：Seq2Seq模型与机器翻译
第二周：文本摘要生成
第三周：Creative Writing
第四周：多模态文本生成
第五周：对抗式文本生成与NL2sql
论文列表
1、A Neural Attention Model for Abstractive Sentence Summarization
2、A Deep Reinforced Model for Abstractive Summarization
3、Incorporating Copying Mechanism in Sequence-to-Sequence Learning
4、Get To The Point: Summarization with Pointer-Generator Networks
5、Constructing literature abstracts by computer: Techniques and prospects
6、Recent automatic text summarization techniques: a survey
7、Jointly Learning to Align and Summarize for Neural Cross-Lingual Summarization
8、VMSMO: Learning to Generate Multimodal Summary for Video-based News Articles
9、Q-learning with Language Model for Edit-based Unsupervised Summarization
10、Multi-Fact Correction in Abstractive Text Summarization
11、Incorporating Commonsense Knowledge into Abstractive Dialogue Summarization via Heterogeneous Graph Networks
12、On extractive and abstractive neural document summarization with transformer language models
13、Pre-training an Autoencoding&Autoregressive Language Model for Context-conditioned Generation
14、Re-evaluating Evaluation in Text Summarization
15、The Mathematics of Statistical Machine Translation: Parameter Estimation
16、BLEU: a Method for Automatic Evaluation of Machine Translation
17、Statistical Phrase-Based Translation
18、Hierarchical Phrase-Based Translation
19、Sequence to Sequence Learning with Neural Networks
20、Neural Machine Translation by Jointly Learning to Align and Translate
21、Adam: A Method for Stochastic Optimization
22、Neural Machine Translation of Rare Words with Subword Units
23、Attention is All You Need.
项目部分
固定项目
基于Pointer_Network 的文本摘要生成
概要：本项目的目的是如何基于Pointer Network 思想，进行发散来自动抽取文本中的内容以完成文本摘要生成，在本项目中，我们会引到学员使用常规的Seq2seq模型进行建模，并且使用Pointer Networks 完成Seq2seq 的改进 以及实现。通过此项目，学员会亲身体会整个摘要生成或标题文案生成的端到端模型的设计，问题的分析和训练过程。
涉及到的技术：
端到端模型
Attention
Language Generation
Transformer等
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
王老师
BAT高级算法工程师
毕业于QS世界综合排名top20 计算机学院，研究方向为机器阅读理解，信息检索，文本生成等，拥有新加坡国立大学，南洋理工等丰富海外访学交流经历。曾参与AAAI, ICLR 等数篇论文发表工作，拥有多项国家发明专利。现任BAT高级算法工程师，拥有亚马逊，华为，平安科技等丰富行业经历，对nlp算法及其行业落地有深入研究。
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。
新版NLP火热招生中
¥9000