本教程供新加入 TANGENT 实验室的同学入门 NLP 使用
（非劝退hhhh）在你看以下内容之前，请确保你有：
- 绝对优秀的信息检索能力（大学生最最基本的能力）
- 优秀的英语阅读水平（你阅读的文献基本都将是英文的）
- 良好的编程能力（限 Python，如果会一两种深度学习框架最好）以及良好的代码规范(python、c++)
- 数学基础（高等数学、线性代数（主要是矩阵运算）、概率论与统计）
深度学习是机器学习的子集，目前 NLP 领域再用传统机器学习的方法就会非常土气，但是机器学习的基础概念仍然是相通的。如果你从未接触过机器学习，那么以下学习资料请自行选择安排学习，不必追求大而全，重在了解机器学习基本概念和传统机器学习算法的**
网课：吴恩达 机器学习公开课；李宏毅 机器学习
书：机器学习（西瓜书），统计学习方法（李航）
Pytorch Tutorials（建议动手做一做与 nlp 相关的几个 tutorial，弄懂每一行代码）
stanford cs224n
我们主要阅读国际会议论文，相关的会议有：
- 自然语言处理相关会议：ACL, EMNLP, NAACL
- ML 理论：ICML, NeurIPS, ICLR
- 偏应用：AAAI（读作 triple AI，不读 A A A I，不累吗？）, IJCAI
其中，ACL 系会议提供 anthology (https://aclweb.org/anthology/)
如果想了解某一个领域的前沿进展，通常会关注 arXiv（预印本），arXiv 在工作日每日更新，便于及时追踪前沿动态（https://arxiv.org/list/cs.CL/recent）
经典论文一般都会有中文读后感，可以辅助阅读
文献分类整理是一个好习惯，建议根据个人喜好选择诸如 Zotero, Endnote, Mendeley, Papers 等文献管理软件
初学时做好论文笔记，可以使用 Markdown，也可以使用 Notion, OneNote 等笔记软件
任务一：基于深度学习的文本分类
任务二：基于 LSTM-CRF 的命名实体识别
任务三：NLG
任务四：Transformer
请结合 Attention Is All You Need 原论文，读懂 The Annotated Transformer（http://nlp.seas.harvard.edu/2018/04/03/attention.html）
- 有问题就提在issues里面，同理你也可以在issues里面检索是否已经有你遇到的问题；
- main分支无法直接修改，所有修改均需要通过提交
Pull requests来实现，必须选择至少一个reviewer，推荐选择大师兄Yifan-Song793来review； - git commit的规范看这里，禁止使用意义不明的test、add等语句。