Deloitte
6 位校友岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer
COMP90042
课程定位 COMP90042(Natural Language Processing)是墨尔本大学计算机科学方向的研究生课程,定位在理论框架、方法工具与真实场景应用的结合。课程面向希望进入研究、咨询、产品、分析或管理岗位的学习者,强调把课堂知识转化为可解释、可落地的决策支持。它通常可衔接后续 capstone、研究项目或行业实践。 技术栈与学习内容 学习内容通常覆盖该学科的核心理论、分析方法、案例推演与实务沟通能力。你需要在作业与项目中完成问题定义、方法选择、证据组织、结论表达与风险边界说明,重点是建立完整论证链路,而不是只追求单点结论。对于计算机科学方向课程,老师通常更重视你如何把模型或框架解释清楚,并将其与具体场景建立一一对应关系。 课程结构 一般按 12-13 周推进:前段搭建基础框架,中段进入高密度作业与案例分析,后段进行综合整合与期末评估。常见考核由 Quiz/Workshop、2 次作业或项目、期末评估组成。即便没有明确 Hurdle,评分也会关注关键能力是否稳定达标。课程后半段通常会出现多任务并行,提前拆解任务与里程碑是稳定发挥的关键。 适合人群 适合希望在计算机科学方向深入发展的硕士同学。建议每周投入 10-14 小时,按“预习-实践-复盘”节奏推进。课程难点在于多任务并行与高质量表达;能稳定执行周计划并及时复盘的人,后期表现通常更稳。若你目标是 HD,建议从学期初就维护“错因与改进清单”,把反馈转化为下一轮可执行动作。
Syllabus
分词,正则表达式,词干提取
N-gram, 平滑技术,困惑度评估
朴素贝叶斯,逻辑回归,特征工程
前馈网络,反向传播,PyTorch 入门
Word2Vec, GloVe, 词嵌入可视化
HMM, CRF, RNN/LSTM 在 POS Tagging 的应用
Seq2Seq 模型,Attention 原理
Self-attention, BERT, GPT 架构
解码策略 (Beam Search),评估指标 (BLEU)
大模型微调,偏见与公平性
Assessment
Programming Assignment 1
基础文本分类与语言模型实现
Week 5
Programming Assignment 2
神经网络 NLP 模型训练
Week 8
Research Project
小组研究项目 (复现论文或创新应用)
Week 12
Final ExamHurdle
综合理论考试
考试需及格 (20/40)
Week 13
Assignments
复现一篇 NLP 顶会论文的核心算法(如情感分析或机器翻译),并在新数据集上进行评估和改进
要求:需提交代码、实验报告和口头展示视频
⏱ 预计 50 小时
Reviews
5.0
难度
5.0
含金量
3.0
压力
5.0
教师评分
这是一门一个很好的学科,可以培养机器学习技能并找到一份好工作。.这是当今市场上的一个热门领域。
From Seniors
基础信息谁都查得到,真正值钱的是过来人的经验。
比你早一年的学长留下的真实经验 —— ChatGPT 给不了。
这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。
这门课暂无往年考点记录。
下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。
统计自 313 份脱敏校友证言
岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer
岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer
岗位:Full-stack Developer · Data Engineer · Consultant
关于这块数据,我们说实话
雇主墙来自脱敏毕业生证言(testimonials)的整体分布,无法关联到具体学员或其所选课程;仅作为毕业生去向的总体社会证明展示。
我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。