2019年大家有没有发现一种社会现象，AI岗位的竞争也变得越来越激烈？但我们不是说AI人才非常缺乏吗？这个看似有点矛盾，但仔细想一想就能发现其中的主要原因还是很多人想涌入这个赛道、但绝大部分人并不满足这个岗位的要求。所以归根结底，还是人才非常稀缺！ 

如果之后想从事AI行业，一方面不得不关注对技术细节的认知、另外一方面有可能会关注项目经历。为了满足社会对AI人才的需求，继机器学习高端班和自然语言处理高端班之后，贪心学院这次又重磅对出AI训练营的课程（分三个方向），专门为以后从业AI者精心打造。 

02 魔鬼式AI强化训练营

训练营采用高强度教学形式，在4个月内达让你到能够解决企业常见问题、理解重要原理的水平。找到一份机器学习工程师、NLP算法工程师、计算机视觉工程师、推荐算法工程师等AI相关岗位。

课程安排

1.每周三小时主修专业课程（ML／NLP／CV）； 

2.每周一小时项目案例练习及讲解，加深学习印象； 

3.每周一小时公共课程，巩固基础；

4.为期一个月的大型项目毕业设计；

5.10篇经典专业论文阅读辅导及讲解； 

6.模拟面试、简历修改、背景提升等职业生涯辅导； 

本次课程培训为期时长6个月，其中核心授课时间4个月，就业指导2个月。

03 企业级项目实操

区别于普通demo讲解，每个项目需要独立完成或与小组内团队成员配合完成，平均完成时长在1个月左右。增涨实战经验的同时，丰富了简历中项目和经历的含金量。

项目一、基于医疗知识图谱的问答系统

【项目概要】

医疗+AI领域一向都是行业的热点。在本项目中，大家将有机会完成一款基于知识图 谱的问答系统。从知识图谱的搭建到问答系统模块、最后到部署上线，你将会体会 到完整的流程。

【涉及到的技术点】

爬虫，文本数据清洗、预处理，文本挖掘，文本分类，知识图谱的构建以及查询， 序列到序列模型，attention机制，模型部署。

项目二、利用结构化数据生成文本

【项目概要】

在工业界，文本生成的应用到处可见，比如自动生成天气预报、体育新闻的生成、学生能力报告的生成等等。在本项目中，你将有机会根据给定的结构化数据来一段文本。

【涉及到的技术点】

预训练模型，seq2seq，attention机制, copy机制，损失函数的优化，文本质量的评估（rouge，bleu等）

项目三、Kaggle比赛（文本匹配）

【项目概要】

Quora可以认为是英文的知乎，如何给用户匹配接近的问题是平台面临的挑战。客服机器人等应用也会使用文本匹配技术。

项目四、基于深度学习的目标检测与分割

【项目概要】

目标的检测是CV领域研究最热，应用最广的分支。目标检测广泛应用于人脸检测、自动驾驶、医疗影像处理等多个领域。图像的分割技术也旨在对检测目标的轮廓进行更加细致的描述，是比检测更精确的一种识别方式。本项目中我们将目标检测与分割在同一个算法当中进行同时的输出，然后对模型进行优化，使其能够达到更快的速度，更高的精度。

【涉及到的技术点】

图像数据集、预训练模型、图像标注、Bounding Box回归、Loss函数选择、模型质量评估

项目五、人体关键点检测

【项目概要】

人体关键点检测可以用于对身体和手的姿态进行估计估计，对于关键点的估计可以应用于人体的运动分析、行为分析、绘画辅助、游戏人物动作采集、虚拟现实等领域。通过本项目我们构建一个人体关键点检测系统，并且实时输出检测结果。

【涉及到的技术点】

图像预处理、Hourglass Networks、点回归、点分类、关系匹配、匈牙利算法。

04 三大方向课程周期及项目展示

课程采用直播的方式，一周4-5次的直播教学， 包括2次的main lectures, 1-2次的discussion session (讲解某一个实战、必备基础、案例或者技术上的延伸）， 1次的paper reading session (每周会assign一篇必备论文，并且直播解读)。教学模式参考美国顶级院校的教学培养体系。 以下为其中一周的课程安排，供参考。 

• 全职助教实时答疑

• 直接在线问导师；
• 或者记录到共享文档中，等待每日固定时间的直播答疑；
• 学习社群中全职助教，24h随时提问答疑
• 共同的问题在Review Session里面做讲解

• 编写一些技术类文章

• Project项目