讲个梗（出处找不到了）：

“天苍苍，野茫茫，NLP技术哪家强?

可汗问所欲，木兰不用尚书郎，愿驰千里足，NLP技术哪家强?”

四川成都找老王。

这个梗估计知道的人不多了，皮一下很开心。

第一次接触NLP是在读书的时候，同学推荐了一本讲Lucene源码的书，里面提到了分词、TFIDF、BM25等概念，后来在吴军老师的数学之美中了解到统计学在其中起到的作用。毕业后的工作主方向在搜索、推荐上，对这块的知识点一直停留在听听组内分享，回家给老婆吹吹牛的状态。

涉足NLP主要有几个原因，一是随着业务的发展，除了NLP在搜索上的传统应用，我们还找了个同学，搞了智能客服机器人，上线效果很不错，NLP的应用变的越来越重要。而自己也急需去提升非排序领域的技术视野，二是因为深度学习大火，而深度学习在排序场景，其实并没有里程碑式的进展，希望能学习一些其他领域的知识，来帮助深度学习在排序上的落地，他山之石可以攻玉。

可能是工程出身的原因，特别喜欢从一个具体的项目开始搞，也就有了当时这篇文章：https://zhuanlan.zhihu.com/p/31574667，参考的原文是：http://karpathy.github.io/2015/05/21/rnn-effectiveness/。说实话，当时被震惊到了，如此简单的模型结构，能有如此效果。比较郁闷的是，char-rnn的效果无法进一步了，虽然加上attention、BI-direction等，能更好一点，但离人类可阅读差距还是比较大。

继续快糙猛的撸了seq2seq+attention，DSSM、textCNN等（当然，我用pytorch我自豪），开始有点迷茫，知识体系太乱了，萌生了找门课好好学下的想法。

可能是对斯坦福的课程有感情吧，选了cs224N，在YouTube上找了它的视频，撸了一遍，当然题还没有做完。不习惯YouTube的同学，可以去bilibili，上面还有中文字幕，但有不少是翻译是错误的。

腼腆又略带激动的语调、红扑扑的脸庞深深的吸引了我，画风大概是这样的：

课程对我的帮助主要在两块，一是课程的知识非常新（官网上的资源以及是18年春的，而视频还是17年的，有部分会对不上），包含目前最新的研究内容，而且内容全，涉及到Dependency Parsing、Coreference Resolution、Tree Recursive Neural Networks and Constituency Parsing、Reinforcement Learning for NLP等平时都不会关心的领域。

二是网罗了高质量的相关论文，省去了自己找论文的精力。当前简直可以用爆炸增长来描述新产生的论文数量，课程syllabus里放了很多相关的论文：http://web.stanford.edu/class/cs224n/syllabus.html（PS:打印机君最近有点累），可以按图索骥，慢慢啃下来，例如：

最后在谈几点感慨：

一：ZJU的CS号称国内第三（据说国内的CS排名没有第二、第四、第五、第六），但教学的质量上完全没法和人家比，建设一流大学的路任重而道远。还好在线教育的发展，一定程度上会缩小这个差距。

二：用pytorch撸一遍常用模型，对各种细节的认知会提升很多，且比TF省力多了。虽然我爱Pytorch，但是还是给团队的生产环境选型了tensorflow，真是矛盾。

三：个人心路历程从觉得NLP好难—>NLP套路好少好单一—>NLP真的是好难。外面图像的同学offer飞一样的涨，隔壁广告ctr预估的同学又搞出了多少多少的提升，坚持在NLP领域努力的同学都是真爱吧，点个赞。

课程地址：http://web.stanford.edu/class/cs224n/syllabus.html

视频地址：https://www.youtube.com/watch?v=IxQtK2SjWWM&index=12&t=1544s&list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6

打个气：路漫漫其修远兮，吾将上下而求索