第1阶段】：机器学习阶段

 

【监督方式】：强监督

 

「第1章」：机器学习工具篇

 

课程名称：【24941】【机器学习-Sklearn（第三版）「解锁式学习」】

 

课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归、朴素贝叶斯、 XGBoost及其相关案例

 

---考核---（可选择，联系教务老师）

 

 

 

===============章节分割线===============

 

【第2阶段】：深度学习阶段

 

「第1章」：深度学习基础篇

 

课程名称：【23455】【深度学习-【2020版】【深版】「推荐系统-解锁式学习」】

 

课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解

 

---考核---（可选择，联系教务老师）

 

「第2章」：深度学习工具篇

 

课程名称：【3267】【TensorFlow深度学习（第二版更新TF）-2「解锁式学习」】

 

课程内容：深度学习中的TensorFlow框架的讲解于使用。

 

---考核---（可选择，联系教务老师）

 

「第3章」：深度学习工具篇

 

课程名称：【9555】【Pytorch学习「解锁式学习」】

 

课程内容：深度学习中的Pytorch框架的讲解于使用。

 

---考核---（可选择，联系教务老师）

 

「第4章」：NLP理论进阶篇

 

课程名称：【27795】【NLP实战高手课「自由式学习 」】

 

课程内容：该课程主要讲解NLP的基本任务和研究方向、智能问答系统、文本校验系统、深度学习框架GPU、AI部署、神经网络基础（RNN，CNN，Embedding、Pytorch基础）、文本分类实践、半自动特征构建方式、降纬方法、集成模型、神经网络建模、Transformer、时序建模、xDeepFM、图网络、模型融合、深度迁移学习模型、优化器、训练语言模型、长文本分类、依存分析、Tranx、ASDL和AST、wikiSQL、Q-learning、AutoML、算法结合、多模态表示学习、知识蒸馏、K8S部署等等自然语言处理知识

 

---考核---（可选择，联系教务老师）

 

「第5章」：NLP理论进阶篇

 

课程名称：【3024】【3、NLP人工智能（第三部分）---深度学习Bert进阶「解锁式学习」】

 

课程内容：深度学习中的文本匹配以及语料库的匹配等自然语言处理结合的课程。

 

---考核---（可选择，联系教务老师）

 

「第6章」：NLP项目篇

 

课程名称：【30328】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「自由式学习」】

 

课程内容：该课程主要实现了NLP的一个整体的项目，讲解了项目导论与中文词向量实践、基于Seq2Seq架构的模型搭建、NLG过程的优化与项目的inference、OOV和Word-repetition问题的改进、基于Transformer特征提取器的改进、BERT在抽取任务中的效果、预训练模型在摘要任务中的改进、项目总结与回顾等知识点

 

---考核---（可选择，联系教务老师）

 

「第7章」：NLP项目篇

 

课程名称：【30439】【4、（2022）Transformer和预训练模型阶段「自由式学习」】

 

课程内容：该课程主要讲解了自注意力机制以及Transformer、Teansformer的代码实现、基于Transformer的闲聊引擎、BERT中的Fine-tuning实例讲解、XLNet、ALBERT的应用、以及XLNet论文讲解。

 

---考核---（可选择，联系教务老师）

 

 

 

===============章节分割线===============

 

【第3阶段】：推荐系统阶段

 

【监督方式】：强监督

 

「第1章」：推荐算法原理篇

 

课程名称：【推荐架构与协同（第二周）】

 

---考核---（可选择，联系教务老师）

 

「第2章」：推荐算法原理篇

 

第一节：课程名称【wide&deep】【deepFM】论文讲解与复现

 

第二节：课程名称【DSSM 文本匹配】

 

第三节：课程名称【深度学习推荐模型】DIN模型 —— 阿里巴巴推荐领域开创性论文，引入注意力机制的深度学习网络，导读

 

第四节：课程名称【深度学习推荐算法】DIEN模型 —— 阿里巴巴DIN模型的进化版 论文导读+保姆级讲解

 

---考核---（可选择，联系教务老师）

 

「第3章」：推荐系统项目实践篇

 

课程名称：【28566】【推荐系统-电影推荐系统「自由式学习」】

 

课程内容：该课程主要讲解了推荐系统的简介、IMDB评分、基于内容推荐、协同过滤算法、criteo ctr、FM&FFM、WIDE&Depp、DeepFM等知识点

 

---考核---（可选择，联系教务老师）

 

「第4章」：推荐及广告召回算法原理篇

 

课程名称：【深度match（第六周）】

 

课程名称：【热点文章实时找回（第十二周）】

 

---考核---（可选择，联系教务老师）

 

「第5章」：推荐及广告排序算法原理篇 

 

课程名称：【ctr预估（第七周）】

 

---考核---（可选择，联系教务老师）

 

「第6章」：推荐系统项目实践篇

 

课程名称：【1811】【2、头条NLP推荐系统项目「解锁式学习」】

 

课程内容：该课程主要讲解了文章推荐系统的整体的实现，其中通过对召回层、算法实现等的讲解，完成了整个文章推荐系统的视线，并且实现了调用。

 

---考核---（可选择，联系教务老师）

 

「第7章」：推荐系统项目实践篇

 

课程名称：【3335】【2、大数据技术之机器学习和推荐系统-电影推荐项目「解锁式学习」】

 

课程内容：该课程主要从推荐系统的设计-实现-测试各方面进行了讲解，通过了对电影数据的分析，然后使用推荐算法对模型进行设计，然后对各个模块进行实现，并且进行测试。

 

---考核---（可选择，联系教务老师）

 

「第8章」：推荐系统项目实践篇

 

课程名称：【3636】【3、大数据技术之机器学习和推荐系统-电商推荐系统「解锁式学习」】

 

课程内容：该课程主要从推荐系统的设计-实现-测试各方面进行了讲解，通过了对电商数据的分析，然后使用推荐算法对模型进行设计，然后对各个模块进行实现。

 

---考核---（可选择，联系教务老师）

 

「第9章」：推荐系统基础理论篇

 

课程名称：【2704】【1、头条NLP推荐系统基础「解锁式学习」】

 

课程内容：该课程主要是讲解了推荐系统的架构的理论实现，以及推荐系统常见的冷启动、数据集、NLP常用的基础知识等问题，然后讲解了大数据推荐系统常用的大数据框架的知识，如Hadoop、Kafka等知识的讲解。

 

---考核---（可选择，联系教务老师）