📖 NLP 学习路线规划与指南¶

1950s-1990s: 规则与统计方法时代
├── 1950 图灵测试提出
├── 1966 ELIZA聊天机器人
├── 1980s 统计方法兴起
└── 1990s HMM/CRF在NLP中的应用

2000s-2012: 机器学习方法时代
├── 2001 SVM在文本分类中大放异彩
├── 2003 LDA主题模型
├── 2006 深度学习复兴
└── 2011 Siri发布，NLP商业化加速

2013-2017: 深度学习方法时代
├── 2013 Word2Vec发布
├── 2014 GloVe、Seq2Seq模型
├── 2015 Attention机制
└── 2017 Transformer架构（里程碑）

2018-2022: 预训练语言模型时代
├── 2018 ELMo、GPT-1、BERT（里程碑）
├── 2019 GPT-2、RoBERTa、ALBERT
├── 2020 GPT-3（Few-shot Learning）
└── 2022 ChatGPT发布（里程碑）

2023至今: 大模型时代
├── 2023 通用大模型推动工程化落地加速
├── 2024 多模态、长上下文、开源指令模型快速成熟
└── 近年 Agent、推理模型、检索与工具调用持续融合

NLP核心任务
├── 文本理解（NLU）
│   ├── 文本分类（情感分析、主题分类、意图识别）
│   ├── 序列标注（NER、POS、分词）
│   ├── 文本匹配（语义相似度、自然语言推理）
│   ├── 信息抽取（关系抽取、事件抽取）
│   └── 阅读理解（抽取式、生成式）
├── 文本生成（NLG）
│   ├── 机器翻译
│   ├── 文本摘要
│   ├── 对话生成
│   ├── 数据到文本
│   └── 创意写作
├── 语音相关
│   ├── 语音识别（ASR）
│   ├── 语音合成（TTS）
│   └── 口语理解（SLU）
└── 多模态
    ├── 视觉问答（VQA）
    ├── 图文匹配
    └── 多模态生成

□ 我能用Python实现基本的数据处理和分析
□ 我了解线性代数中矩阵乘法、特征值分解的概念
□ 我知道什么是梯度下降和反向传播
□ 我用过至少一个深度学习框架（PyTorch/TensorFlow）
□ 我知道CNN和RNN的基本原理
□ 我了解什么是词向量（Word2Vec/GloVe）
□ 我听说过BERT和Transformer
□ 我能读懂英文论文的Abstract和Introduction

┌─────────────────────────────────────────────────────┐
│                  NLP学习路线总览                       │
├─────────────────────────────────────────────────────┤
│                                                     │
│  第1周    ┌─────────────────────┐                   │
│  ──────→  │ 01-NLP基础概念       │ 建立全局视野      │
│           └─────────────────────┘                   │
│                                                     │
│  第2周    ┌─────────────────────┐                   │
│  ──────→  │ 02-文本预处理        │ 数据工程基础      │
│           └─────────────────────┘                   │
│                                                     │
│  第3周    ┌─────────────────────┐                   │
│  ──────→  │ 03-文本表示方法      │ 特征工程核心      │
│           └─────────────────────┘                   │
│                                                     │
│  第4-5周  ┌───────────┬─────────┐                   │
│  ──────→  │ 04-文本分类 │ 05-序列标注│ 经典NLP任务    │
│           └───────────┴─────────┘                   │
│                                                     │
│  第6-7周  ┌───────────┬─────────┐                   │
│  ──────→  │ 06-文本生成 │ 07-机器翻译│ 生成与翻译    │
│           └───────────┴─────────┘                   │
│                                                     │
│  第8-9周  ┌───────────┬─────────┐                   │
│  ──────→  │ 08-信息抽取 │ 09-问答系统│ 高级应用      │
│           └───────────┴─────────┘                   │
│                                                     │
│  第10周   ┌─────────────────────┐                   │
│  ──────→  │ 10-预训练语言模型    │ PLM核心          │
│           └─────────────────────┘                   │
│                                                     │
│  第11周   ┌─────────────────────┐                   │
│  ──────→  │ 11-大模型时代的NLP   │ 前沿技术         │
│           └─────────────────────┘                   │
│                                                     │
│  第12周   ┌─────────────────────┐                   │
│  ──────→  │ 12-NLP实战项目      │ 综合实践         │
│           └─────────────────────┘                   │
│                                                     │
│  冲刺期   ┌─────────────────────┐                   │
│  ──────→  │ 面试准备 + 项目复盘  │ 求职冲刺         │
│           └─────────────────────┘                   │
└─────────────────────────────────────────────────────┘

Week 1-2: 快速浏览01-03（基础可跳过已知部分）
Week 3-4: 精读04-05（重点掌握BERT分类和NER）
Week 5-6: 精读06-07 + 10（翻译和PLM是重点）
Week 7:   学习11（大模型时代必知必会）
Week 8:   12实战项目 + 面试冲刺

Week 1:   01 NLP基础（建立认知框架）
Week 2:   02 文本预处理（动手实践）
Week 3:   03 文本表示（重点Word2Vec）
Week 4-5: 04 文本分类（从NB到BERT）
Week 6:   05 序列标注（NER是面试重点）
Week 7:   06 文本生成 + 07 机器翻译
Week 8-9: 08-09 信息抽取和问答系统
Week 10:  10 预训练语言模型（重中之重）
Week 11:  11 大模型时代的NLP
Week 12:  12 实战项目 + 面试准备

Week 1: 01+02+03 基础速览（每天必须完成练习）
Week 2: 04+05+10 文本分类+NER+BERT（面试核心）
Week 3: 06+07+11 生成+翻译+大模型
Week 4: 面试题50道 + 实战项目准备

Day 1-2: NLP概述
- 阅读01章全文
- 了解NLP核心任务分类
- 思考NLP在实际产品中的应用
- 完成章节练习

Day 3-5: 文本预处理
- 阅读02章全文
- 实现中英文分词pipeline
- 实现文本清洗模块
- 完成jieba分词实验

Day 6-10: 文本表示
- 阅读03章
- 手动实现TF-IDF
- 使用Gensim训练Word2Vec
- 对比不同词向量效果
- 完成所有练习题

□ 能手写TF-IDF计算过程
□ 能解释Word2Vec的CBOW和Skip-gram区别
□ 能用jieba完成中文分词并处理自定义词典
□ 能说出至少5种文本预处理步骤

□ 能用BERT完成文本分类任务（F1>0.85）
□ 能用BiLSTM-CRF完成NER任务
□ 能手写Attention计算过程
□ 能解释Transformer的Multi-Head Attention
□ 能计算BLEU分数

□ 能设计一个关系抽取系统
□ 能区分检索式QA和生成式QA
□ 能用Hugging Face实现阅读理解任务
□ 知道知识图谱的构建流程

□ 能完整说出BERT的预训练和微调流程
□ 知道至少5种常见预训练模型及其特点
□ 理解Prompt Engineering的核心思想
□ 了解RLHF的基本流程
□ 能设计一个RAG系统

面试考察 = {
    "基础知识": 30%,  # 算法原理、数学推导
    "编程能力": 25%,  # 手撕代码、系统设计
    "项目经验": 25%,  # 项目难点、技术选型
    "论文理解": 10%,  # 经典论文、前沿趋势
    "综合素质": 10%,  # 沟通表达、学习能力
}

第1-2周: 基础知识复习
├── 复习所有章节的关键复盘点（标红部分）
├── 整理知识脑图
└── 每天刷3-5道面试题

第3-4周: 项目准备
├── 准备2-3个项目的STAR描述
├── 总结每个项目的技术亮点
└── 准备项目难点的应对话术

第5-6周: 模拟面试
├── 找同学/朋友模拟面试
├── 录音回听，改进表达
└── 查漏补缺

第7-8周: 冲刺阶段
├── 刷核心复盘题
├── 关注目标公司的近期动态
└── 准备HR面的常见问题

第一优先级（面试必考）:
1. Attention Is All You Need (2017) - Transformer
2. BERT (2018) - 预训练语言模型
3. Word2Vec (2013) - 词向量
4. GPT-3 (2020) - 大规模语言模型

第二优先级（加分项）:
5. ELMo (2018) - 上下文词向量
6. Seq2Seq (2014) - 编码器-解码器
7. TextCNN (2014) - 文本分类
8. CRF (2001) - 序列标注
9. GloVe (2014) - 全局词向量
10. RoBERTa (2019) - BERT改进

第三优先级（竞争力）:
11. T5 (2019) - 统一文本到文本
12. GPT-4 Technical Report (2023) - 理解闭源大模型能力边界与披露方式
13. InstructGPT (2022) - RLHF
14. LLaMA (2023) - 开源大模型
15. RAG (NeurIPS 2020) - 检索增强生成（建议结合近年的工程实践一起看）

Step 1: 学习一个NLP概念（如Attention机制）
Step 2: 用自己的话向小白解释这个概念
Step 3: 发现卡住的地方，回去重新学习
Step 4: 简化你的解释，直到连外行人都能听懂

每学完一章后：
1. 合上教程，在白纸上写出核心知识点
2. 画出这一章的知识结构图
3. 回忆3个最重要的公式/算法
4. 说出3个面试可能会问的问题
5. 对照教程，检查遗漏