百万NLP算法工程师腾飞之路

真 · 企业级实战化项目

京东AI真案例、真实数据，深度实践实现高速蜕变

京东健康智能分诊项目

京东互联网医院·智能看病购药

项目介绍： “看病慢看病难”早已成为当今社会的常见现象，因此随着技术的发展，AI+医疗是目前最有潜力的应用场景之一，其中一个很大的痛点是很多人不清楚应该去哪个科室看病。互联网医生服务可以构建医生与患者之间的桥梁，京东通过智能分诊项目，可以根据用户提供的文字型的病情描述精准识别，并自动帮助用户判断需要去哪个分诊科室，有效减少在线问诊被反复多次转接的情况发生，提高科室分配的准确度，实现降本增效。

项目目标：这是一个经典的文本多分类项目。通过这个项目，学员可以扎实地掌握文本领域的相关技术如文本预处理、特征工程、词向量、分类模型、评价指标、模型部署等，并且通过完成一个完整的项目走完所有的必要流程。从技术的角度会涉及到tf-idf，word2vec，BERT向量，N-gram，FastText, TextCNN，SkipGram，CBOW，随机森林，XGBoost，Adagrad，Adam等技术和Flask，Docker，Jenkins等部署工具的使用。

项目时长：共4周

京东智能营销项目

京东发现好货·AI营销文案生成

项目介绍：在京东零售场景，数百万的写作达人每天为商品创作卖点突出、风格多样的营销文案以促进用户下单，同时达人赚取佣金。但达人创作又存在商品文案成本高、量产性差、质量参差不齐的问题。目前京东AI营销文案的人工审核通过率超过95%，并覆盖了全品类的商品。模型已成功应用于京东APP-发现好货、对话机器人京小智和搭配购等场景。

项目目标：这是一个文本生成领域的问题，从技术层面上具有一定的挑战。在此项目中，学员有机会实现Seq2Seq, Beam Search, Pointer-Generation Network等核心技术并掌握深入的细节。另外，学员会懂得如何按照业务场景来修改模型从而符合业务的预期。

项目时长：共4周

京东同类商品搜索项目

商品知识图谱·图神经网络

项目介绍：当用户在网上购买商品时经常会试着货比三家，比如某一个京东的商品在苏宁网上的价格是怎样的。为了便于这种比较，京东开发了一个同类商品搜索模块：给定一个京东商品，它可以根据商品相关的信息去自动找到苏宁等平台上的同类商品。这里的一个难点在于，每一个商品在不同平台上的标题、描述这些都有一些区别的，所以定位到同一个商品本身具有一定的挑战。

项目目标：假如我们把商品看作是实体，那这个任务实际上也是实体链接（entity linking）问题。在这个项目中，我们首先根据商品各类属性来搭建商品的图谱（知识图谱），接着再使用图神经网络来得出每一件商品的embedding，并给予这个表示来寻找跟当前商品匹配的另外一个商品。所涉及到的技术包括知识图谱、图神经网络以及基于GAT的一些模型改造，是图神经网络领域一个非常有趣的应用。

项目时长：共4周

京东智能客服机器人项目

对话系统·AI对话生成

项目介绍：智能客服机器人已经成为了客服系统的重要组成部分，帮助人工客服提升工作效率，为企业降低人工成本。作为智能客服的行业先驱，京东多年来致力打造全链路的客服机器人，最大化提升商家的接待效率和用户体验。目前智能机器人的对话生成策略已经在“京小智”、“京东JIMI“等智能客服机器广泛应用，在用户购买商品的售前以及售后环节，为数千万用户以及数十万商家进行服务，为商家降本增效，为用户提升购物客服体验。

项目目标：在此项目中，学员有机会实现检索模型和生成模型。并通过对话管理返回回复。在检索模型中我们会介绍HNSW模型来生成候选集，然后使用learn to rank模型排序。生成模型中会基于BERT构建Seq2Seq，然后使用distillation 技术压缩模型。

项目时长：共8周

了解更多

真 · AI科学家、博导级教学教研团队

京东技术大佬告诉你服务亿级用户的算法如何诞生

吴友政

京东AI NLP算法科学家、总监

兼任中国中文信息学会语言与知识计算专委会委员，中国科学院自动化研究所博士，带领团队在多轮对话、自然语言生成、知识图谱上不断取得创新，打造的京东咨询导购机器人“京小智”每天服务超过10万品牌商家。在自然语言处理、人工智能等领域国际重要会议和期刊发表论文30余篇（如ACL、EMNLP、AAAI、IJCAI、CIKM、COLING、ICASSP、INTERSPEECH、Computer Speech & Language等）。
李浩然

京东AI算法工程师

中国科学院自动化研究所博士研究方向是自动文摘、文本生成和篇章分析。在ACL、TKDE、TASLP、TALLIP、AAAI、IJCAI、EMNLP 和 COLING 等自然语言处理、人工智能领域国内外期刊杂志发表论文 18 篇，其中一作 10 篇。
李文哲

贪心学院CEO

曾任凡普金科集团首席数据科学家、美国亚马逊和高盛的高级工程师，是金融行业开创知识图谱做大数据反欺诈的第一人。美国南加州大学博士，先后在AAAI、KDD、AISTATS、CHI等国际会议上发表过15篇以上论文。
蓝振忠

贪心学院资深顾问

ALBERT模型的第一作者，现任Google AI实验室科学家。将于2020年6月份作为特聘研究员和博士生导师加入西湖大学，并建立”蓝振忠实验室”。美国卡耐基梅隆大学博士。美国NIPS举办的视频智能分析大赛连续多年TOP3 先后在NIPS, CVPR, ICCV, IJCAI等会议发表30篇以上论文，1000+ 引用次数。
袁源

美国微软(总部)推荐系统部负责人

美国亚马逊(总部)资深工程师，美国新泽西理工博士， 14年人工智能, 数字图像处理, 视频处理和自然语言处理研究和项目经验先后在AI相关国际会议上发表20篇以上论文。
陈蒙

京东智联云AI算法工程师

2013-2018任职于国际语音巨头Nuance Communications，担任高级研究员，主要研究方向为自然语言处理、语音识别和人机对话技术，在IJCAI、ECAI等国际学术会议上发表多篇学术论文，发表多项专利。
鲍军威

京东智联云AI算法工程师

哈尔滨工业大学博士微软亚洲研究院（MSRA）联合培养博士。研究方向文本生成、知识图谱问答、对话系统、预训练语言模型等。
杜宇甫

京东智联云人工智能平台部创新平台组负责人

2011年起，担任京东JOS（京东开放服务）平台资深架构师，曾负责京东开放系统的JOS架构设计，带领团队研发出京东第一套API自动化开放系统，深入研究开放体系强化平台建设并建立开放标准，在短短几个月内支撑京东开放API从几十个到几百个，为JOS平台从百万到数十亿的调用设计保驾护航。
何云龙

京东智联云机器学习平台组架构师

京东人工智能平台部技术总监、架构师， Spark上最早的开源参数服务DisML的作者，领导开发了京东模型训练平台和自动化机器学习平台，建设了京东第一个大型人机对话知识图谱，并对开源的xgboost进行改进，实现了分布式环境下的精确解的版本。
张明

京东智联云数据科学家

15年数据行业从业经验，从事过电信、航空、电商、能源、医药等多个行业的数字化体系建设，对企业数字化建设以及数据价值变现有深入的思考和研究。

了解更多

真 · 实训环境助力高速成长

零门槛入门, 快速上手

提供面向算法人员及无算法基础的开发人员的多交互方式
一站式开发平台，全面覆盖

覆盖数据标注、模型开发、模型训练到服务发布的AI开发全流程
双引擎双智能，高效支撑

数据智能和人工智能双智能支撑，深度学习、机器学习双框架覆盖，满足不同数据化程度及业务场景需求
三类预置资源，加速开发

基于京东丰富场景的最佳实践，预置具备行业优势的成熟的示例试验、算法模型、数据集

了解更多

试学视频

了解更多

课程简介

阶段1：京东健康智能分诊项目

Week1: 文本处理与特征工程: Bag of Words模型; 从tf-idf到Word2Vec; SkipGram与CBOW; Hierarhical Softmax与Negative Sampling; FastText; N-gram与平滑操作; 文本特征工程; 工具的使用：Gensim、Sklearn、jieba的使用; 论文：SkipGram论文解读 & 复现; 专题：如果阅读科研论文; 项目：京东健康智能分诊项目讲解（1）

Week2：基于统计学习的分类方法: 决策树; CART模型; Bagging & Boosting; 随机森林和GBDT; XGBoost; 精确率、召回率; F1，AUC; 论文：XGBoost的Paper和代码解读; 实战：LightGBM的解读与实战; 专题：如何处理样本不平衡问题; 项目：京东健康智能分诊项目讲解（2）

Week3：基于深度学习的分类方法: 统计学习与深度学习的区别; 深度学习与浅层学习; 从逻辑回归到神经网络; 深度学习的非线性性质; 损失函数与优化器; 神经网络的调参; 实战：Pytorch的基础使用; 实战：使用Pytorch实现神经网络和卷积神经网络; 专题：不同优化器比较：Momentum, AdaGrad, RMSProp, Adam; 项目：京东健康智能分诊项目讲解（3）

Week4: CNN与工业界模型部署: CNN，TextCNN; 模型的部署; Docker的使用; Git & Jenkins的使用; Kubernetes的使用; Flask的使用; 实战：Neufoundry平台上的模型部署; 专题：智能分诊前沿技术讲解; 京东嘉宾：京东的文本分类部署; 京东嘉宾：京东的特征工程技术方案

阶段2：京东智能营销项目

Week5: 递归神经网络RNN与BPTT算法: BPTT与RNN中的梯度消失、爆炸; 梯度爆炸的处理; LSTM与GRU; 基于LSTM的文本分类; Bi-LSTM与Deep Bi-LSTM; RNN与LSTM的可视化; 实战：基于LSTM的情感分类; 实战：利用Pytorch实现多层 LSTM; 实战：基于LSTM语言模型的文本生成; 专题：GPU技术详解; 项目：京东智能营销文本生成项目讲解（1）

Week6: Seq2Seq模型与营销文本生成: Encoder-Decoder模型以及各类应用场景; Seq2Seq模型与注意力机制; Greedy Decoding; Beam Search; 基于Seq2Seq的文本生成; 文本生成的评价指标; 实战：基于Seq2Seq的机器翻译; 论文：LSTM-CNNs论文; 项目：京东智能营销文本生成项目讲解（2）

Week7: Pointer-Generator Network和多模态识别: 抽取式文本摘要和生成式文本摘要; Pointer-Generator Network; Beam Search优化思路; Length Normalization; Coverage Normalization; End of Sentence Normalization; 多模态识别技术: ResNet和Faster RCNN; 实战：PGN+Seq2Seq解读; 论文：京东论文解读; 论文：Faster RCNN解读; 项目：京东智能营销文本生成项目讲解（3）

阶段3：京东同类商品搜索项目

Week 8: 对话系统技术概览: 对话系统的分类方式; 检索方法和生成方法; 任务导向型系统和非任务导向型系统; 索引的建立; 对话系统中的召回; 对话系统中的排序; 倒排索引和WAND算法; 倒排索引的空间优化; 信息检索系统的评估方式; 实战：倒排索引的实现; 实战：Variable Byte Compression的检索系统实现; 项目：京东智能对话系统项目讲解（1）

Week9: 检索系统中的召回: Approximate Nearest Neighbor Search; KD树; LSH技术; 近似图（Proximity Graph）; Small Word Graph; NSW和HNSW; 论文：HNSW论文解读; 项目：京东智能对话系统项目讲解（2）

Week10: 对话系统中的排序: Learning to Rank技术介绍; Point-wise Approach; Pair-wise Approach; List-wise Approach; 常用模型的评估指标; MAP，NDCG; 相似度计算方法; Word Mover's Distance; 论文：WMD的实现; 项目：京东智能对话系统项目讲解（3）

Week11: 自注意力机制以及Transformer: 从Attention到Self-Attention; Transformer的应用; Transformer模型详解; Transformer的实现; Reformer; Synthesizer; Low-Rank Bottleneck; 论文：TransformerXL论文解读; 项目：京东智能对话系统项目讲解（4）; 京东嘉宾：工业界的检索模型和L2R

Week12: 基于BERT和Transformer的闲聊引擎: 闲聊引擎技术框架; 预训练模型简介; AE与VAE; BERT模型详解; BERT的不同训练方法; GPT2; GPT3; ALBERT; 实战：BERT的fine-tuning实战讲解; 论文：UniLM解读与复现; 论文：XLNet的解读与复现; 项目：京东智能对话系统项目讲解（5）; 京东嘉宾：工业界的生成式对话模型

阶段4：京东智能客服机器人项目

Week13: 基于图的学习: 图表示概论; 图与知识图谱; 基于图表示的应用场景; 关于图的一些特征; 关于图的一些常见算法; Deepwalk和Node2vec; TransE图嵌入模型; DSNE图嵌入模型; 实战：基于人工特征的链接预测实现; 实战：基于Node2Vec的链接预测实现; 项目：京东同类商品搜索项目讲解（1）

Week14: 基于图神经网络的Entity Linking: 什么是实体; Entity Linking的简单解法; 基于图的Entity Link思路; 卷积神经网络回顾; 在图中的卷积; 图中的信息传递; 图卷积神经网络（GCN）; 基于GCN的Entity Linking; 论文：GCN论文解读和复现; 项目：京东同类商品搜索项目讲解（2）

Week15: GAT、GraphSage与Entity Linking: 注意力机制回顾; 注意力机制与图表示6; GAT模型详解; GAT与GCN的比较; GraphSage详解; GAT与知识图谱应用; 对于Heterogenous数据处理; 论文：GAT论文解读与复现; 论文：GraphSage论文解读与复现; 项目：京东同类商品搜索项目讲解（3）

Week16: 图神经网络与其他应用: Node Classification; Graph Classification; Link Prediction; Community Detection; 推荐系统; 文本分类; 图神经网络的未来发展; 论文：图神经网络综述; 项目：京东同类商品搜索项目讲解（4）

阶段5：面试准备

Week17: 面试准备: 如何进行NLP工程师的面试准备 (1h); 京东NLP工程师面试流程及面经 (1h); 大厂B NLP工程师面试流程及面经 (0.5h); 大厂C NLP工程师面试流程及面经 (0.5h)

了解更多

毕业学员福利

京东AI认证证书
面试绿色通道
职业规划指导
继续教育机会

了解更多课后福利

常见问题

Q1: 参加本次课程有什么要求吗？

本次课程适合自然语言处理工程师/机器学习工程师和具有较多经验的开发人员，以及对自然语言处理/机器学习有兴趣并决心深耕于此的践行者。
Q2: 学完课程能达到什么水平？

1、有能力统筹解决具体场景中的自然语言处理/机器学习问题，胜任机器学习算法工程师，自然语言处理算法工程师的岗位。
2、在精通业务，活学活用的基础上能够胜任机器学习以及自然语言处理科学家的岗位。
3、有能力独自阅读最新文献，自我学习并应用掌握最前沿知识。
Q3: 本课程怎么答疑？

本课程会配有专业的答疑助教团队，对于学员的问题，即时提供在线答疑。
Q4: 学员会有实操的机会？

这是本课程设计的核心，课程设计以算法原理为主，理论+实践的方式，带你实战典型的行业应用。
Q5: 开课后不满意可以退款嘛？

开课七天内支持无理由退款，只需提供账户信息，3-5个工作日内即可完成退款。
Q6: 如何开具发票？

待实训营开班后，您可以在京东AI平台申请纸质或电子发票。

了解更多

京东NLP企业级项目实战训练营

现在的你

各种职场困惑

快速进阶

加入NLP实训营

将来的你

算法殿堂之路

为什么要选择京东AI的NLP高阶实战训练营？

真 · 企业级实战化项目

京东健康智能分诊项目

京东智能营销项目

京东同类商品搜索项目

京东智能客服机器人项目

真 · AI科学家、博导级教学教研团队

吴友政

李浩然

李文哲

蓝振忠

袁源

陈蒙

鲍军威

杜宇甫

何云龙

张明

真 · 实训环境助力高速成长

零门槛入门, 快速上手

一站式开发平台，全面覆盖

双引擎双智能，高效支撑

三类预置资源，加速开发

试学视频

课程简介

毕业学员福利

常见问题