第四期 | 带学斯坦福CS224n自然语言处理课+带打全球Kaggle比赛（文墨重金招募老师！）

在未来五年，你认为人工智能领域最具有商业价值的方向是什么？

上个月我和一个算法工程师朋友聊了聊，询问算法岗的行业薪资，他说现在计算机视觉算法岗工程师年薪大约50万左右，正当我感叹如今计算机视觉的火爆时，他又和我说，自然语言处理工程师的年薪已经接近100万了！我瞬间崩溃了！

这样的行业薪资分配，不禁让我想起了一句行话：“人工智能领域，现在是CV的，未来是NLP的”。

自然语言处理算法，由于在智能客服、语音识别、语义分析、机器人等多个高科技领域均有应用场景，但国内人才补给严重不足，就算刚刚毕业的硕士博士也可以有很高的薪酬，还能直接参与甚至负责核心项目。可以预见，NLP算法类人才的数量在未来5年内会出现爆发式增长。

所以，学习CV最好的时间是2年前，而学习NLP最好的时间就是现在。

为此我们用了一个月时间，筛选和研究了市面上所有最具价值的学习资料，并让往期学员深入参与调研，最后选择了以斯坦福大学最权威的NLP课程CS224n作为带学教程，以李开复、搜狗CEO王小川和美团点评CTO联合创办的全球顶级Kaggle比赛作为比赛实践，开设我们第一期《深度学习与自然语言处理》带学训练营。为期12周，制定了完整、系统，理论结合实际的教学计划，让大家学完能真正具备进入大厂实习的能力。

斯坦福CS224n自然语言处理课带学训练营

你能获得什么

顶级理论知识

• 导师手把手带学斯坦福CS224n自然语言处理课，挑战AI前沿技术

• 用python徒手实现算法

• tensorflow框架实现

高质量资源助力

• 拿来就能用的GPU云端免费资源

• 通俗易懂的中式思维学习笔记

• 一站式研学资料包

高品质学习环境

•  三场内部PK赛，共计3000元奖金等你拿
  

• 阿里、华为、滴滴、京东等工程师与你组团学习

• 麻省、清华、北大同学与你一起组队全球顶级比赛PK

你还能获得什么

知识星球入住权

• 一年期限，价值1198元的知识星球

• 21位AI重量大咖坐镇，人工智能不同学习阶段都能1对1定向答疑

• 知识星球内发帖，根据学员点赞随机打赏18-98元

增加工作机会

• 按照学习路径完成学业，大厂实习机会增大，能达到公司招聘要求

• 英伟达、京东、图森未来、蚂蚁金服、滴滴等公司内推

班级特色

专家护航：选用斯坦福大学最权威NLP课程，导师重点、难点知识串讲

任务分解：由浅入深，梳理学习路径（教学大纲跟课程是否一样），制定每天核心学习任务

及时反馈：360度无死角答疑，助教录播解锁作业，导师作业抽查点评

激励机制：打卡督促，学员竞争激励，高额奖金助学

协助突破：多样化项目应用拓展，内外AI大赛加持，每周特色主题讨论

教学大纲

Week1

1、深度学习介绍

2、自然语言处理介绍

3、自然语言应用领域

作业：Softmax 算法和Neural Network Basics 神经网络基础实现

比赛实战1：“达观杯”NLP算法大赛报名指导及入门讲解

Week2

1、高级词向量表示：word2vec 2

2、Word Window分类与神经网络

作业：word2vec 实现和Sentiment Analysis 情绪分析

Week3

1、反向传播与项目指导：Backpropagation and Project Advice

2、依赖解析：Dependency Parsing

作业：Neural Transition-Based Dependency Parsing 基于神经网络的依赖分析

比赛实战1：带打“达观杯”NLP算法大赛(进阶版）

Week4

1、TensorFlow入门

2、RNN和语言模型

作业：nsorflow Softmax 基于TensorFlow的softmax分类

Week5

1、高级LSTM及GRU：LSTM and GRU

2、期中复习

作业：Recurrent Neural Networks: Language Modeling 循环神经网络语言建模

Week6

1、机器翻译、序列到序列、注意力模型：Machine Translation, Seq2Seq and Attention

2、GRU和NMT的进阶

作业：A window into named entity recognition（NER）基于窗口模式的名称识别

Kaggle比赛：预测泰坦尼克号幸存乘客（报名指导）

Week7

1、语音识别的end-to-end模型

2、卷积神经网络:CNN

作业：Recurrent neural nets for named entity recognition(NER) 基于RNN的名称识别

Week8

1、Tree RNN与短语句法分析

2、指代消解

Kaggle比赛：预测泰坦尼克号幸存乘客（入门指导）

Week9

1、DMN与问答系统

2、NLP存在的问题与未来的架构

Week10

挑战深度学习与自然语言处理的极限

Kaggle比赛：预测泰坦尼克号幸存乘客（进阶指导）

Week11-12

比赛复盘及期末总结

导师介绍

导师： Mary

曾在某国家重点自然语言处理实验室实习

两年NLP、机器学习工作经验

现任某D轮公司做NLP工程师

码力科技联合创始人&COO

现在加入，仅需98元

12周，每天不到1.2块钱，每天1-2小时

你能收获的不仅仅是知识和能力

还有一群一起打比赛的朋友

-长按以下二维码速速报名-

每增加50人，学费增加10元

报名时间：2018年4月11日—2019年4月28日

学习周期：2019年4月22日—2019年7月21日

报名成功请添加班主任微信进学员内部群

开启你的进阶之旅

添加我送你免费《数学基础训练营》

备注：如有任何问题，也请添加班主任微信咨询

答疑体系

作业批改

1、自主研发的作业批改系统，提交作业马上查看成绩，还可以随时查阅自己的分数

2、每月作业直播讲解，查漏补缺，真正吃透，融会贯通

学员评价

我们的模式在往期训练营里做到了零吐槽，零差评！

而这次，更是在我们最火爆的模式上进行的更新迭代！

上下滑动框内图片，查看部分学员评价

学习氛围

在我们的学习群里，你不仅能接触到更多严格要求自己的人，还能让你的学习效果在深度交流中实现最大化！

激励方式

1、超过10000+学员报名

2、累积打卡提交作业总189369次

3、总奖金池累积超过8万元，还在不断累积

为了鼓励学生坚持学习，按要求完成作业，我们将赠送你如下福利！！

（训练营采取的积分机制，打卡、点评、点赞都会有得到相应的积分，凭积分就可以换取相应奖品！）

此外，积极参加社群活动，还有机会获得【深度之眼】的精美周边产品。

会员专享17大精品训练营介绍

事实证明，往期训练营结束后，每一期坚持打卡的人，都拿回了报名时他所付的金额

学完有效果吗？加入我们，去问问那些已经拿到商汤和BAT企业算法offer的学长和学姐们，听听他们的定期直播分享吧！

我们的学员凡是参与过一期的人，都不断的在参与我们其他的主题，他们说“太值了”！你却还在观望？

等到他们进入你也能进的公司，你准备何去何从？

不参与竞争，就只能等待淘汰。

你不参与，别人会参与。

现在加入，仅需98元

12周，每天不到1.2块钱，每天1-2小时

你能收获的不仅仅是知识和能力

还有一群一起打比赛的朋友

-长按以下二维码速速报名-

每增加50人，学费增加10元

报名时间：2018年4月11日—2019年4月28日

学习周期：2019年4月22日—2019年7月21日

报名成功请添加班主任微信进学员内部群

开启你的进阶之旅

添加我送你免费《数学基础训练营》

备注：如有任何问题，也请添加班主任微信咨询

订阅须知

Q、课程资料在哪里看？

A、所有的课程资料均会在训练营上传。

Q、报名后可以退款吗？

A、本服务为虚拟内容产品，一经购买，概不退款，敬请谅解。·

Q、可以开具发票吗？

A、可以开具普通纸质发票，请联系微信班主任填写需要的信息即可。

名企合作

截止目前，我们已经和多家国内知名在线教育平台和比赛机构建立了合作关系，只为给大家提供最优质的学习服务：

讲师招募

“深度之眼”首创训练营模式，在不到一年时间已有近1万名付费学员，我们长期招募兼职讲师，以在线工作为主，分成收入佳。

只要您在一下方面有某一专长：

1、 精读过《深度学习》花书、李航《统计学习方法》、《机器学习》西瓜书、等AI类知名书籍，可以开设以此书籍为教材的带读班

2、系统学过李宏毅的《机器学习》《深度学习》、李飞飞《计算机视觉课》、或是国外名校的知名公开课，可以开设以此课程为教材的带学班

3、 打过Kaggle、天池、AI challenger、科赛网、DC等竞赛，并取得过前5的成绩，可带竞赛班

4、如果你自己曾经读过AI类的经典或者前沿论文，并且对论文做过深入的分析和研究，可作为我们的paper精读班老师

5、如果你在企业里面，有参加过实际的企业项目，可以作为我们AI企业项目实战班

我们不需要你全能，只要你在某一个方面特别擅长，即可担任我们的带学导师

欢迎大家扫客服微信联系我们！

同时欢迎HR联系我们探讨内推、实习等合作！

福利大放送

如何获取资料？        

1.关注“深度之眼”公众号

2.后台回复：资料，即可领取

PS：我们所收集的所有资源均来自网络，仅供私下交流学习之用，任何涉及到商业目的的均不能使用，所有资源均来自互联网的优秀作者们，版权归原作者或企业所有。