分享一下我的学习路径，正常的理工科大学生大概三四个月可以入门（学过C语言、线性代数、概率论），独立解决NLP问题，搭建baseline并适当优化效果。
下文涉及的脑图/论文list/代码都在（持续更新ing）：
https://github.com/leerumor/nlp_tutorial
​

NLP的知识体系

不管是NLP，还是其他领域，在学之前最好先对全局有个大概的印象，知道有哪些重要知识点。比如在学NLP之前，需要有一定的数学&编程基础 -> 掌握基本的统计学习模型 -> 了解深度学习网络原理。而真的去学NLP，只需要掌握五种基本任务（分类/序列标注/文本匹配/文本生成/语言模型），再套到具体的任务里就可以了：

入门阶段建议主要精力放在体系的建立上，否则知识零散不便于记忆。可以按照以下的节奏：
第一个月：读懂机器学习、深度学习原理，不要求手推公式
第二个月：了解经典任务的baseline，动手实践，看懂代码
第三个月：深一个应用场景，尝试自己修改模型，提升效果

第一个月：理论基础

1. 数学&编程基础（0-1周）

数学和编程基础因人而异，之前就很扎实的同学可以花两三天稍微复习一下，或者之后边学机器学习边复习也可以；不扎实的同学最好花一周时间再分别入门一下，会用Python面向对象编程、了解矩阵运算、了解概率论，再根据后续的学习去补漏。

2. 统计机器学习基础（2周）

建议初学者先看懂线性分类、SVM、树模型和图模型，这里推荐李航的「统计学习方法」，看起来看快，大概一天一个知识点。看书不清楚的地方可以参考视频教程，推荐吴恩达的「CS229公开课」或者林田轩的「机器学习基石」。
在看教程时不必强迫症式的一章接着一章刷完，重点看以下部分即可：

3. 深度学习基础（2周）

深度学习部分稍微轻松些，推荐邱锡鹏的「神经网络与深度学习」教材，或者吴恩达的「深度学习」网课、李宏毅的「深度学习」网课。先学会神经网络的前后向推导，再去了解其他经典编码器：

第二个月：经典模型&看懂代码

掌握基本的理论基础后就可以分任务开始实践了，其实就五类任务，他们还有很多共通的地方。
文本分类（1周）
先掌握：TextCNN -> TextRNN -> 加Attention -> BERT精调 -> GNN（选学）

2. 序列标注（1周）

序列标注的baseline是LSTM+CRF，之后可以分别对Embedding、编码器、解码三个模块进行学习：

3. 文本匹配（1周）

文本有双塔和匹配两种做法，双塔可以先学SiamCNN，之后了解各种编码器优化方式；基于匹配的方式则在于句子表示间的交互，了解BERT那种TextA+TextB拼接的做法之后，可以再看看阿里的RE2这种轻量级模型的做法：

4. 文本生成（1周）

先掌握：Seq2Seq的LSTM实现 -> 加Attention -> Seq2Seq的Transformer实现 -> GPT2 -> T5
再根据兴趣学习VAE、GAN、RL等。

5. 语言模型（1周）

先掌握：BERT -> XLNet -> ALBERT -> ELECTRA
再了解其他改进：

这里推荐几篇综述：
2020 A Survey on Text Classification: From Shallow to Deep Learning
2020 A Survey on Recent Advances in Sequence Labeling from Deep Learning Models
2020 Evolution of Semantic Similarity - A Survey
2017 Neural text generation: A practical guide
2018 Neural Text Generation: Past, Present and Beyond
2019 The survey: Text generation models in deep learning
2020 Efficient Transformers: A Survey

第三个月：实践&进阶

打一个比赛（3周）

知道各种模型，能看懂原理之后，就要开始实战了。把Github上某个项目跑通并不算“实战”，而是努力去把一个项目做到从0到100，这其中积累的经验才真的有用。
强烈建议打一个比赛，常用的平台有：
Kaggle（国际最知名比赛平台，难度大，但教程丰富，可以学到很多技巧）
天池（阿里的竞赛平台，业内认可度高）
Biendata（近几年知名度也很高的竞赛平台，最好挑知名机构办的比赛）
第一次可以参加已经结束的比赛，先尝试自己打，再去看别人输出的资料和源码，看自己有哪些不足。建议打中文比赛，看数据比较方便，同时可以看看kaggle同类型比赛的kernel，学习trick。同时多看些顶会论文并复现，争取做完一个任务后就把这个任务技巧摸清。

这三个多月结束后，相信坚持下来的同学已经有了不错的水平。接下来就是再继续迭代，深化自己对每个知识点的理解，同时可以：
认真去打一次比赛，拿到好名次
还在读研的话，重点还是在research下功夫，做出自己的成果
去找一个实习，边赚钱边学习
其实自己刚开始学的时候只到了minimum的水平，在后续的实践、面试中才逐渐把知识点补全，并归到自己的体系里。刚入门的同学们也不要气馁，先懵懵懂懂地看一看原理，哆哆嗦嗦地跑一跑代码，时间会给你答案。
怀疑自己的时候，就算算自己到底学了多久，没到一万小时之前都还来得及。