NLP入门之路及学习方法：从任务实践入手！

Datawhale原创

作者：康兵兵，Datawhale成员

寄语：NLP入门，科学有效的方法是找到切入点，一个具体任务。从任务实践入手，做到既见树木也见森林。

笔者从2018年初开始接触机器学习，现在是某一线互联网公司的NLP算法工程师。从小白一步步走来，积累了一些学习和实践过程中的经验。现在，从个人情况、入门心得和案例分享三个方面，介绍一下NLP的入门经历和学习方法，希望能帮助到大家。

个人情况

1.0阶段

契机：一个关于空气质量预测的数据挖掘类项目

问题：对ML领域并不了解，没有能力完成一个项目，作为项目负责人更是无从下手。

解决办法

• 快速通读领域知识，对机器学习宏观认知。利用一天半时间，快速看完谷歌的机器学习速成课程；

• 阅读论文并了解现有解决方案。主要关注相关领域的综述论文；

• 查漏补缺，对理论知识进行迭代。遇到不清晰的概念回顾相关内容，加深理解；

• 了解、借鉴，最后根据实际数据和场景进行改进。

收获

• 基于auto-encoder结构完成了初版模型；

• 所用编程语言变动，从matlab、Tflearn ，到最后的DeepLearning4j；

• 主要对机器学习和深度学习相关概念有了初步了解和实践，为后边的实习、比赛和工作打下了基础。

2.0阶段

契机：“去哪儿”公司实习，参与“蜻蜓旅行”的内部孵化项目。项目背景是根据用户给定的出发地、目的地及出行日期区间，为用户推荐价格最低的航班班次，帮助用户更好的决策。

收获

• 机器学习相关内容，从rf到xgboost，再到lightgbm，还有facebook的prophet；

• 实际场景问题加深了理论理解，理论反过来指导了我的实践，如此循环，令人收益匪浅。

吐槽：日常加班，特别在几次发版的日子里，需要工作到凌晨两点。

3.0阶段

契机：小米实习，工作内容与大数据相关。同期也拿到了百度金融的offer，但因为没有做过大数据，想要尝试一下，最终选择了小米。

收获：<