马士兵人工智能2期实战课程

课程速览：一次打通AI六大主流方向
《马士兵-人工智能2期》把工业界最吃香的六个方向：推荐、NLP、语音、CV、深度学习框架与项目落地，用一条清晰的学习曲线串在一起。每章都先讲透原理，再跑通代码，最后部署上线，真正做到“学完就能搬上生产线”。

推荐系统：从召回、排序到Wide-Deep实战

协同过滤只是开胃菜，课程把召回、粗排、精排、重排四层链路拆解成可落地的代码。重点实战Wide-Deep模型：用TensorFlow 2.x复现YouTube论文，再打包成Docker镜像，结合TensorFlow Serving做线上推理，压测QPS、延迟、A/B实验一步到位。

自然语言处理：RNN/LSTM到BERT的完整跃迁

从RNN写唐诗开始，过渡到LSTM做输入法下一词预测，再深入BERT文本分类。源码级剖析WordPiece分词与位置编码，最后把微调好的BERT导出为SavedModel，用TF-Serving做在线预测，完整演示NLP服务上线全流程。

语音合成：前端文本正则到HiFi-GAN声码器

先学前端文本正则化，再用Tacotron 2训练中文女声，最后替换成HiFi-GAN声码器提速七倍。课程提供20小时高清女声数据集与训练脚本，跑通后可一键导出ONNX，移动端也能实时合成。

计算机视觉：文本检测与识别双任务实战

用DBNet做弯曲文本检测，CRNN+CTC负责识别，端到端打通OCR。进阶部分加入方向分类与印章检测，覆盖快递单、营业执照、发票三大真实场景，代码可直接移植到工业质检系统。

深度学习模型：Attention、Transformer与BERT

把Attention拆成Scaled Dot-Product、Multi-Head、Self-Attention三层，手写PyTorch版本验证维度；再进阶到Transformer Encoder，讲解Positional Encoding与Mask机制；最后用Hugging Face Trainer微调中文BERT做情感分析，训练日志、指标、TensorBoard一条龙。

工业级项目：聊天机器人+海外推荐双案例

1. 智能聊天机器人：结合BERT+Faiss做语义检索，Rasa管理对话状态，Redis缓存热点问答，支持微信、钉钉双平台接入。
2. 海外电商推荐：采集亚马逊公开数据，用召回（Item2Vec）、粗排（LightGBM）、精排（DSSM）三级链路，线上用K8s滚动更新，灰度发布保障稳定。

学习路径与资源配套

每章均配jupyter源码、训练日志、部署脚本与答疑直播，遇到问题可在内部论坛24小时内得到助教回复。