[NLP经验] 无偿分享3个月NLP实习用到的专题知识
1625533
楼主斯坦福MS，上个暑假在一个全美资VC做NLP。没错是一个VC，不经感叹道科技的力量已经从二级市场蔓延到投资领域的各个角落。做的项目十分有趣，用snorkel做了一个weak supervision的labeling，做了一个text classifier，以及一个text clustering。具体每个project的内容就不详细说了，其实在其他领域应用早就有了，大家上网也可以找点例子，接下来我也会分享一些链接。只不过在VC做的还是比较新，据老板说在DI & Sourcing方面至少领先同行业两年。
接下来分享一些用到知识点的链接，大家以后准备NLP相关岗位面试的时候可以参考。仅限于我实习项目而言的知识点（中英都有）：
首先非常推荐斯坦福NLP的IR-book，基本一应俱全：
nlp.stanford.edu
SQL tools:
hashrocket.com
wiki.postgresql.org
Pandas (非常重要，一定要熟练):
pandas.pydata.org
pandas.pydata.org
pandas.pydata.org
scikit-learn.org
1. 有监督NLP
ML pipeline (Industry 必用，跟course project最大不同):
scikit-learn.org
juejin.im
NLP:
zhihu.com
Stop words:
en.wikipedia.org
PorterStemmer:
qinxuye.me
tartarus.org
General ways to solve NLP problem:
blog.insightdatascience.com
github.com
Convolutional Neural Networks for Sentence Classification:
arxiv.org
LSTM:
blog.csdn.net
jianshu.com
Feature extraction:
scikit-learn.org
scikit-learn.org
Bert:
arxiv.org
huggingface.co
mccormickml.com
Freeze BERT:
github.com
github.com
github.com
discuss.pytorch.org
Gensim:
radimrehurek.com
Word2vec:
rare-technologies.com
machinelearningmastery.com
zhuanlan.zhihu.com
pytorch.org
Git:
atlassian.com
调参：
scikit-learn.org
Data matching:
recordlinkage.readthedocs.io
Words distance:
blog.csdn.net
blog.csdn.net
blog.csdn.net
Smith-Waterman algorithm:
baike.baidu.com
Damerau/Levenshtein Distance
jianshu.com
blog.csdn.net
blog.csdn.net
Jaro-Winkler Distance
blog.csdn.net
en.wikipedia.org
XGboost:
zhuanlan.zhihu.com
zhuanlan.zhihu.com
blog.csdn.net
huggingface.co
gtree glinear:
cnblogs.com
SVD PCA 潜在语义分析:
medium.com
scikit-learn.org
medium.com
nlp.stanford.edu
blog.csdn.net
2. 弱监督学习器、半监督：
Snorkel:
snorkel.readthedocs.io
hazyresearch.github.io
snorkel.org
snorkel.org
Semi supervised
scikit-learn.org
Active learning :
scikit-learn.org
3. 无监督NLP：
K-means:
medium.com
scikit-learn.org
towardsdatascience.com
AHC:
nlp.stanford.edu
geeksforgeeks.org
towardsdatascience.com（这个是真的舒服）
最后，知识点肯定无法涵盖NLP的各个角落，特别是一些deep Learning的应用，比如NMT，QA等等。但是一般面试一定会把最基础的东西问得很透彻（老板也只记得这些），所以越是基础的NLP越要牢牢掌握。像BERT，XLnet这些state-of-art，只要结构能说清楚，充其量用过其pre-trained model已经ok了。
祝大家找工作愉快！
接下来分享一些用到知识点的链接，大家以后准备NLP相关岗位面试的时候可以参考。仅限于我实习项目而言的知识点（中英都有）：
首先非常推荐斯坦福NLP的IR-book，基本一应俱全：
nlp.stanford.edu
SQL tools:
hashrocket.com
wiki.postgresql.org
Pandas (非常重要，一定要熟练):
pandas.pydata.org
pandas.pydata.org
pandas.pydata.org
scikit-learn.org
1. 有监督NLP
ML pipeline (Industry 必用，跟course project最大不同):
scikit-learn.org
juejin.im
NLP:
zhihu.com
Stop words:
en.wikipedia.org
PorterStemmer:
qinxuye.me
tartarus.org
General ways to solve NLP problem:
blog.insightdatascience.com
github.com
Convolutional Neural Networks for Sentence Classification:
arxiv.org
LSTM:
blog.csdn.net
jianshu.com
Feature extraction:
scikit-learn.org
scikit-learn.org
Bert:
arxiv.org
huggingface.co
mccormickml.com
Freeze BERT:
github.com
github.com
github.com
discuss.pytorch.org
Gensim:
radimrehurek.com
Word2vec:
rare-technologies.com
machinelearningmastery.com
zhuanlan.zhihu.com
pytorch.org
Git:
atlassian.com
调参：
scikit-learn.org
Data matching:
recordlinkage.readthedocs.io
Words distance:
blog.csdn.net
blog.csdn.net
blog.csdn.net
Smith-Waterman algorithm:
baike.baidu.com
Damerau/Levenshtein Distance
jianshu.com
blog.csdn.net
blog.csdn.net
Jaro-Winkler Distance
blog.csdn.net
en.wikipedia.org
XGboost:
zhuanlan.zhihu.com
zhuanlan.zhihu.com
blog.csdn.net
huggingface.co
gtree glinear:
cnblogs.com
SVD PCA 潜在语义分析:
medium.com
scikit-learn.org
medium.com
nlp.stanford.edu
blog.csdn.net
2. 弱监督学习器、半监督：
Snorkel:
snorkel.readthedocs.io
hazyresearch.github.io
snorkel.org
snorkel.org
Semi supervised
scikit-learn.org
Active learning :
scikit-learn.org
3. 无监督NLP：
K-means:
medium.com
scikit-learn.org
towardsdatascience.com
AHC:
nlp.stanford.edu
geeksforgeeks.org
towardsdatascience.com（这个是真的舒服）
最后，知识点肯定无法涵盖NLP的各个角落，特别是一些deep Learning的应用，比如NMT，QA等等。但是一般面试一定会把最基础的东西问得很透彻（老板也只记得这些），所以越是基础的NLP越要牢牢掌握。像BERT，XLnet这些state-of-art，只要结构能说清楚，充其量用过其pre-trained model已经ok了。
祝大家找工作愉快！
- 441