自然语言处理(NLP)算法学习路线！

NLP近几年非常火，且发展特别快。像BERT、GPT-3、图神经网络、知识图谱等技术应运而生。

我们正处在信息爆炸的时代、面对每天铺天盖地的网络资源和论文、很多时候我们面临的问题并不是缺资源，而是找准资源并高效学习。但很多时候你会发现，花费大量的时间在零零散散的内容上，但最后发现效率极低，浪费了很多宝贵的时间。为了满足大家学习的需求，这次重磅推出了《自然语言处理终身升级版》的学习路线。

这份课程路线覆盖了从经典的机器学习、文本处理技术、序列模型、深度学习、预训练模型、知识图谱、图神经网络所有必要的技术。

 重点：课程会不断更新，比如一篇新的有趣的论文出现在arxiv，会在1个月之内提供技术的讲解和实战。相信这个课程将是你在NLP领域中的终身伴侣。

第一部分：机器学习基础篇

第一章：自然语言处理概述 自然语言处理的现状与前景 自然语言处理应用 自然语言处理经典任务

第二章：数据结构与算法基础 时间复杂度、空间复杂度 动态规划 贪心算法 各种排序算法

第三章：分类与逻辑回归 逻辑回归 最大似然估计 优化与梯度下降法 随机梯度下降法

第四章：模型泛化与调参 理解过拟合、防止过拟合 L1与L2正则 交叉验证 正则与MAP估计

第二部分：文本处理篇

第五章：文本预处理与表示 各类分词算法 词的标准化 拼写纠错、停用词 独热编码表示 tf-idf与相似度 分布式表示与词向量 词向量可视化与评估

第六章：词向量技术 独热编码的优缺点 分布式表示的优点 静态词向量与动态词向量 SkipGram与CBOW SkipGram详解 Negative Sampling

第七章：语言模型 语言模型的作用 马尔科夫假设 UniGram, BiGram, NGram模型 语言模型的评估 语言模型的平滑技术