学生纽约大学研二，自然语言处理方向，目前有一个比较急的基于BERT的任务

python, pytorch,魔性原理几乎零基础

先针对任务需求安排如下针对性课程，任务结束再系统安排学习

「第1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2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：课时57有BERT代码讲解

---考核---（可选择，联系教务老师）

「第3章」：NLP项目篇

课程名称：【30322】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「解锁式学习」】

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4章」：NLP项目篇

课程名称：【30323】【3、自然语言处理-基于大规模预训练模型的机器阅读理解「解锁式学习」】

课程内容：该课程讲解了整个项目的开发过程，其中包括了机器阅读理解发展以及解析、常见的机器学习阅读理解模型、BERT与机器阅读理解、BERT的模型变体、其他的机器阅读理解模型、模型的集成与部署、项目总结整体的内容

---考核---（可选择，联系教务老师）

「第5章」：NLP项目篇

课程名称：【30416】【4、（2022）Transformer和预训练模型阶段「解锁式学习」】

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）