八斗AI人工智能实战高薪就业班

这套课的主线是自然语言处理，从深度学习基础一路铺到知识图谱、对话系统和推荐系统。它想解决的问题很明确：很多人零散看过 Transformer、BERT 的文章，也跑过几个 demo，但拿到一个真实的中文文本任务时，不知道从数据清洗到模型上线该怎么走完整条链路。这门课按周推进，把这条链路拆成了可执行的阶段。

它适合什么基础的人

如果你完全没写过 Python，或者没接触过张量和反向传播，直接进来会比较吃力，前两周的深度学习组件部分节奏偏快。更适合的是：有 Python 基础，用过 NumPy 或 PyTorch 跑过简单模型，对神经网络有模糊印象，但没系统做过中文 NLP 任务的人。转行者如果已经补过机器学习入门，也能跟上。纯零基础建议先把 PyTorch 的张量操作和训练循环练熟再进来。

建议先看哪几块

前五周是地基，别跳。第二周的深度学习基本组件决定了后面所有模型你能不能看懂；第三到第五周的中文分词、词向量、语言模型，是中文场景和英文教程最大的差别所在，分词这块尤其容易在真实项目里踩坑。第六到第九周是四类高频任务：文本分类、文本匹配、序列标注、文本生成，覆盖面广，建议至少把分类和序列标注动手做一遍。第十周之后进入应用层，知识图谱、对话系统、推荐系统各自独立，可以按工作需要挑着看。最后一周是梳理，留到回头复习时用。

学完能独立做什么，资料怎么用

走完一遍，你应该能独立完成这些事：给定一份中文语料，做分词和词向量训练；搭一个文本分类或情感分析模型并调参；用序列标注做命名实体识别；把模型包装成可调用的服务；理解知识图谱的构建流程和它在问答、推荐里的接法。这些是能写进简历、也能在面试里讲清楚细节的东西。

资料按周分文件夹，配合练习的建议是：每周先看该周内容，然后自己找一份同类中文数据重跑一遍，不要只用课程自带的数据。文本增强和服务化那一周容易被忽略，但它是从「会训模型」到「能交付」的分界线，值得多花时间。知识图谱和对话系统两部分依赖前面的序列标注和语言模型，顺序别倒。如果时间有限，优先保证前九周加第十一周的完整度，后面三周按方向选学。