文末有迪迦给你们准备的超级福利哦！
这里推荐一份超强NLP打怪升级路线图。
从0到1，你需要的都在这里了：
这份精致的资源刚刚上线，不到一天Reddit热度就超过400，获得了连篇的赞美和谢意：
“肥肠感谢。”“我需要的就是这个！”“哇，真好啊！”
所以，这套丰盛的思维导图，都包含了哪些内容？
四大版块
就算你从前什么都不知道，也可以从第一个版块开始入门：
1 概率&统计
从中间的灰色方块，发散出5个方面：
基础 (Basic) ，采样 (Sampling) 、信息理论 (Information Theory) 、模型 (Model) ，以及贝叶斯 (Baysian) 。
每个方面，都有许多知识点和方法，需要你去掌握。
毕竟，有了概率统计的基础，才能昂首挺胸进入第二个板块。
2 机器学习
这个版块，一共有7个分支：
线性回归 (Linear Regression) 、逻辑回归 (Logistic Regression) 、正则化 (Regularization) 、非概率 (Non-Probabilistic) 、聚类 (Clustering) 、降维 (Dimensionality Reduction) ，以及训练 (Training) 。
掌握了机器学习的基础知识和常用方法，再正式向NLP进发。
3 文本挖掘
文本挖掘，是用来从文本里获得高质量信息的方法。
图上有6个分支：
基本流程 (Basic Procedure) 、图 (Graph) 、文档 (Document) 、词嵌入 (Word Embedding)、序列标注 (Sequential Labeling) ，以及NLP基本假设 (NLP Basic Hypothesis)。
汇集了NLP路上的各种必备工具。
4 自然语言处理
装备齐了，就该实践了。这也是最后一张图的中心思想：
虽然只有4个分支，但内容丰盛。
一是基础 (Basic) ，详细梳理了NLP常用的几类网络：循环模型、卷积模型和递归模型。
二是语言模型 (Language Model) ，包含了编码器-解码器模型，以及词表征到上下文表征 (Word Representation to Contextual Representation) 这两部分。许多著名模型，比如BERT和XLNet，都是在这里得到了充分拆解，也是你需要努力学习的内容。
三是分布式表征 (Distributed Representation) ，许多常用的词嵌入方法都在这里，包括GloVe和Word2Vec，它们会一个个变成你的好朋友。
四是任务 (Task) ，机器翻译、问答、阅读理解、情绪分析……你已经是合格的NLP研究人员了，有什么需求，就调教AI做些什么吧。
看完脑图，有人问了：是不是要把各种技术都实现一下？
作者说：
不不，你不用把这些全实现一遍。找一些感觉有趣的，实现一波就好了。
?
Reddit楼下，许多小伙伴对这套脑图表示膜拜，并且想知道是用什么做的。
韩国少年说，Balsamiq Mockups。
GitHub传送门：
https://github.com/graykode/nlp-roadmap
Reddit传送门：
https://www.reddit.com/r/MachineLea
小福利：领完再看！迪迦给大家准备的250G人工智能学习资料礼包（内含：两大Pytorch、TensorFlow实战框架视频、图像识别、OpenCV、计算机视觉、深度学习与神经网络等等等视频、代码、PPT以及深度学习书籍）
只需要你点个关注，然后扫码添加助手小姐姐VX即可无套路领取！
??扫码添加即可?
作者：量子位
链接：https://www.zhihu.com/question/27529154/answer/853330244
来源：知乎