百度自然语言处理部深圳组_自然语言处理算法实习生(J57143)
实习兼职TPG地点:深圳状态:招聘
任职要求
-2024年或以后毕业的计算机、数学、人工智能等相关专业和相关实验室在校生 -具备机器学习/深度学习/信息检索/自然语言处理/知识图谱/数据挖掘的理论背景和实践经验 -熟练掌握C/C++、Python等…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
-负责模型预训练相关工作 -探索高效的模型预训练方法 -负责模型结构构建优化、预训练任务研发、模型压缩、下游任务适配等 -其他岗位职责内相关工作
包括英文材料
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
信息检索+
https://nlp.stanford.edu/IR-book/information-retrieval-book.html
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008.
NLP+
https://www.youtube.com/watch?v=fNxaJsNG3-s&list=PLQY2H8rRoyvzDbLUZkbudP-MFQZwNmU4S
Welcome to Zero to Hero for Natural Language Processing using TensorFlow!
https://www.youtube.com/watch?v=R-AG4-qZs1A&list=PLeo1K3hjS3uuvuAXhYjV2lMEShq2UYSwX
Natural Language Processing tutorial for beginners series in Python.
https://www.youtube.com/watch?v=rmVRLeJRkl4&list=PLoROMvodv4rMFqRtEuo6SGjY4XbRIVRd4
The foundations of the effective modern methods for deep learning applied to NLP.
数据挖掘+
https://www.youtube.com/watch?v=-bSkREem8dM
Database vs Data Warehouse vs Data Lake
https://www.youtube.com/watch?v=7rs0i-9nOjo
还有更多 •••
相关职位
社招TPG
-开展大语言模型的对齐策略研发工作 -进行对齐阶段的一系列研发工作 -包含但不限于问题分析、效果评估、方法论探索、数据建设等 -结合百度的产品和业务实现技术落地
更新于 2025-02-20北京|深圳
校招AIDU项目
-参与大规模预训练模型(文本、图像、视频)的研发工作; -探索高效的模型调优策略、高质数据建设方法,研究大模型前瞻技术和趋势; -设计、实现、优化分布式系统和并行计算框架,提升训练和推理效率; -支持大模型平台化及创新应用落地。
更新于 2025-07-09北京|深圳
校招自动车配送部
1. 端到端自动驾驶建模:参与、设计及实现端到端的自动驾驶建模方法,搭建从传感器数据到行为决策的端到端模型。 2. 多模态大模型在自动驾驶场景中的适配和优化:如:大模型指令微调和策略迭代、开放场景下的目标识别技术等,以适应不同的自驾场景,并提高模型的鲁棒性和泛化能力。 3. 基于生成模型的离线感知能力建设,研发基于扩散模型的场景生成技术和仿真技术。开发离线生成-真实数据闭环系统。
更新于 2025-05-23北京|深圳