返回信息流楼主研二长期处于自学状态，无法接触实际项目，实验室也比较。。 对于NLP感觉内容太杂，而且没有实际经历也感觉比较虚而且岗位也少，感觉个人竞争力不足。 本人本科期间数学功底不错，但是对推荐系统之前没有了解。在目睹2018年的红海后，打算换个方向，现在时间也不多了，不知道推荐系统怎么样，竞争也很激烈吗，希望大佬们做出下比较。有什么推荐的论文或者书籍吗，哪些是必备技能呢，谢谢各位大佬
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #33009同步于 2018/12/30
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【问题】【建议】求教NLP和推荐系统的问题
zeropi
2018/12/30镜像同步15 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
机器学习的方向蛮多，nlp，视觉，深度学习，增强学习，迁移学习，推荐系统，ltr，概率图等等等。相互交叉，但是还是有主要的脉络，就是机器学习相关的基础数学理论。具体到推荐系统，有一些基础的推荐方法，cf，matrix factor，甚至是社交关系。有一类通用要做的事情，比如用户画像，内容画像，ctr预估，ltr。然后还分实时和在线。实时的里面还有基于搜索方式分发，也有基于离线的实时。不管是涉及到文本还是图片甚至是用户行为，如何构建用户端特征，内容端特征，然后通过一些算法让两者相互匹配。
然后大概就发现，如果你搞不太懂nlp，推荐系统也大概率很难搞。比较强一些的同学，往往理论基础比较扎实，然后去搞这些看起来很杂的nlp，推荐系统也会没那么大压力。
除了人脸识别，机器翻译，语音识别等特别能单拎出来作为一个行业发展的。其他都蛮杂的，可能啥都要知道些吧。
通过『我邮2.0』发布
之前的一个帖子，不过删了Re: 机器学习劝退贴，点击查看：https://bbs.byr.cn/article/ml_dm/30397 (来自北邮人论坛)
NLP建议你选定一个小方向开始专研，因为你已经错过了广撒网找兴趣的时间点了。怎么专研呢，其实很简单，去看这个领域最近最火的论文，看他们怎么介绍这个问题的发展的，再去看他们的学术上游也就是引用，逐渐往前看，大概你就懂这个子领域技术的发展路线了，然后可以开始尝试自己的想法。当然这个过程其中你要学会分辨哪些paper是技术发展主线上的，哪些paper只是作者引用的另一个领域的想法，这个并不难。
推荐系统我就不建议你参与了，推荐系统现在一坛死水。做推荐系统的人是整个机器学习领域水平比较低的那一波，很多时候都依赖于其他领域的技术发展然后借鉴，真正自己领域摸索出来的技术并不多或者可以说没有，然后搞IR的和搞推荐的还分为两拨人其实很多技术都是重复的。这几年推荐系统缺少领军性的人物和团队，大家其实没什么方向。现在推荐系统最缺乏的就是链接离散信号领域技术和连续信号领域技术的桥梁，然而这一问题相当难。直接用nlp的技术又会失败，因为nlp的问题解空间比推荐系统小多了。
我自己就是学nlp出身，做推荐系统的。如果你追求技术上有自己的造诣，不要考虑推荐系统了，没有榜样很难成功的，去搞nlp吧。
【 在 zeropi 的大作中提到: 】
楼主研二长期处于自学状态，无法接触实际项目，实验室也比...