最近有粉丝私信我，NLP很难学，这条路能坚持走吗？有相同困惑的朋友可以一起探讨一下：
大佬你好，我目前从事ERP运维工作，想转行NLP，开始是学数据结构和c刷了些leetcode题，然后把cs224n和它的大作业都撸了一遍，做了点情感文本分类的小任务。
准备去小公司找实习攒项目经验时却被同学劝退，说小公司学不到东西，然后有人建议趁早转做开发，nlp的路太难走了很难竞争。
感觉自己实力很弱，也没有人带，去小公司怕沦为打杂工具人，大厂没有项目经历又进不去。
这种情况是应该趁早自学转一个新领域比如后端吗？但总感觉这样之前的都白学了，很焦虑也很纠结。希望大佬能帮助指点下方向。
这位朋友的问题，我从两方面回答。
1
NLP学起来不容易
这是学习路径不够清晰的问题，深度学习既重理论又重实践，一步登天不可取，学习应该是循环且逐渐细化的。
先看一下学NLP的需要掌握的知识点全貌👇
路径大致为：基本原理→经典模型→项目实践
先阅读机器学习和深度学习原理，其次了解经典任务的baseline，动手实践，最后看懂代码，在应用程序场景中,尝试修改模型,提高效果
清楚路径后，逐个吃透：
基本原理部分有线性代数和概率论基础就能看懂，统计机器学习部分，建议初学者先看懂线性分类、SVM、树模型和图模型。
有上述基础后，就能看懂模型结构和论文里的各种名词公式。接下来就是了解NLP各个经典任务的baseline，并看懂源码。
对于TF和Pytorch的问题不用太纠结，接口都差不多，找到什么就看什么，自己写的话建议Pytorch。
上述任务都了解并且看了一些源码后，就可以去炼丹了。
2
工作不好找
这个问题可以理解成，学到什么程度好找工作？
面试无非就是像面试官证明两点：①我知道怎么做②我做过
因此企业最看重的自然是项目经历，但初学者又很难接触到工业界项目，怎么办？
建议学好后去参加一次Kaggle、天池等平台的比赛，享受优化模型的摧残。比赛项目和企业实操所需能力至少能匹配60%。
学习路线清楚了，那具体应该学哪些内容，以及怎么样去coding实践呢？
有没有现成的资料供你系统性的学习NLP？我已经给你准备好了。
免费工具一：《NLP入门视频合集》限90份
它基于花书「Deep learning」、斯坦福CS224n自然语言处理、【论文】baseline基础篇目——Word2Vec 词向量扛鼎之作等经典入门教程设计，关于我学习路径中提到的知识点，它都有体现。
目前已经有30000人通过这套课程学习NLP，普通理工科大学生大概三四个月可以掌握（学过C语言、线性代数、概率论）
扫码回复：NLP，免费领
仅90份兑换码，手慢无
课程学习包含四个模块
章节导学视频讲解
（帮你梳理教程知识概要，并圈出重难点）
手写板详细推导公式
（学科知识串联）
代码复现
（作业代码全部完成复现，并进行视频完整讲解）
免费工具二：《算法工程师的就业指导课》
大厂资深算法工程师手把手教你做就业规划
扫码回复：NLP
免费领取
