NewBeeNLP 年中 | From NewBee To NB

哈喽大家好，这里是NewBeeNLP。今天趁着端午休假，归类梳理了下之前的原创文章，不知道你是从哪篇文章开始关注的呢???? 非常感谢一年多来的喜欢和支持，不管是入门小白还是行业老司机，希望都能在NewBeeNLP找到喜欢的小玩意儿~

废话不多说，下面来看看都有哪些优质内容

• ????自然语言处理基础

• ????自然语言处理前沿

• ????机器学习与深度学习

• ????其他AI相关

• ????面试锦囊系列

• ????NLP简报系列

• ????技术思考 & 趣味杂谈

• ????学习资料分享

这是一份总字数超过100万的文章list(我估计的)，收藏了等于会了，哈哈???? 当然，有什么其他想在NewBeeNLP看到的，也可以告诉我们噢！

???? 自然语言处理基础 

NLP入门必备，自然语言处理并不难

• NLP中的Embedding技术回顾
  

• 超全必读！事件抽取综述（上）

• 超全必读！事件抽取综述（中）

• 超全必读！事件抽取综述（下）

• 文本分类综述 | 迈向NLP大师的第一步（上）

• 文本分类综述 | 迈向NLP大师的第一步（中）

• 文本分类综述 | 迈向NLP大师的第一步（下）

• PET——文本分类的又一种妙解

• 实战必备！文本分类中的一些经验和 tricks

• 【NLP保姆级教程】手把手带你CNN文本分类(附代码)

• 【NLP保姆级教程】手把手带你RNN文本分类(附代码)

• 【NLP保姆级教程】手把手带你fastText文本分类(附代码)

• 【NLP保姆级教程】手把手带你RCNN文本分类(附代码)

• 【NLP保姆级教程】手把手带你HAN文本分类(附代码)

• 【情感分析】ABSA模型总结（PART I）

• 【情感分析】ABSA模型总结（PART II）

• 【情感分析】ABSA模型总结（PART III）

• 【情感分析】ABSA模型总结（PART IV）

• 你一直在用的Beam Search，是否真的有效？
  

• Huggingface出品！NLP论文研讨会
  

• 论文自由，ACL2020论文打包收藏！

• 论文自由，EMNLP2020论文打包收藏！

• 机器如何认识文本 ？NLP中的Tokenization方法总结

• 迈向NLP大师 | 自然语言推理入门

• FLAT——中文NER该怎么做
  

???? 自然语言处理前沿

自然语言处理进阶手册，紧跟NLP前沿核心技术

• BERT源码分析（PART I）

• BERT源码分析（PART II）

• BERT源码分析（PART III）

• BERT微调效果不佳？不如试试这种大规模预训练模型新范式

• 复旦邱锡鹏组最新综述：A Survey of Transformers！

• 模型增强 | 利用 NLG 增强 QA 任务性能

• 模型压缩与蒸馏！BERT家族的瘦身之路

• 模型压缩与蒸馏！BERT的忒修斯船

• 如何提升BERT在下游任务中的性能

• FLOATER：更加灵活的Transformer位置编码！

• NLP与对比学习的巧妙融合，简单暴力效果显著！

• BERT-Flow | 文本语义表示新SOTA

• 拿到参考资料的预训练模型，太可怕了！

• 你的模型可能学错了！！深入探究答案位置偏差

• 什么？！听说你还没看过Transformer源码

• 微软ALUM：当语言模型遇到对抗训练

• 魔改Attention大集合

• ACL2020 | 什么时候值得用BERT上下文嵌入

• ICLR2020 | 深度自适应Transformer

• TUPE ：重新思考语言预训练中的位置编码

• Memory Transformer，一种简单明了的Transformer改造方案

• 五分钟了解NLP之Transformer模型压缩

• BERT大魔王为何在商业环境下碰壁？
  

• 芝麻街跨界NLP | 预训练模型专辑（三）

• 芝麻街跨界NLP | 预训练模型专辑（二）

• 芝麻街跨界NLP | 预训练模型专辑（一）

• 【作者解读】ERNIE-GEN : 原来你是这样的生成预训练框架！

• 五分钟了解NLP项目之最火BERT

• Transformer温故知新

• BART原理简介与代码实战

• 安排！微软UniLM 2.0解读

• 详解ERNIE-Baidu进化史及应用场景

• 预训练模型中的可插拔式知识融入——利用Adapter结构

• Transformers Assemble（PART V）

• Transformers Assemble（PART IV）

• Transformers Assemble（PART III）

• Transformers Assemble（PART II）

• Transformers Assemble（PART I）

• 【ICLR2020】Transformer Complex-order：一种新的位置编码方式

• 万字长文带你解读『虚假新闻检测』最新进展

???? 机器学习与深度学习

人工智能的基石，可以说是非常重要

• 硬核！深度学习中的Normalization必知必会

• 四万字全面详解 | 深度学习中的注意力机制
  

• 我从吴恩达AI For Everyone中学到的十个重要AI观

• Python 3.9来啦！细数十个值得关注的新特性

• Awesome！涵盖ML/DL/NLP/推荐/风控/数学等知识点大列表

• 炼丹宝典 |  Deep Learning 调参 tricks

• 几个Python“小伎俩”

• 多角度理解CNN

• 机器学习领域综述大列表，快来我的收藏夹吧！

• 我从吴恩达课堂演讲中学到的一些建议

• 机器学习路线图整理

• 关于Scikit-Learn你（也许）不知道的10件事

• 概率图模型笔记（PART III）条件随机场简介

• 概率图模型笔记（PART II）隐马尔科夫模型

• 概率图模型笔记（PART I）
  

• Python中那些低调有趣的模块

• LDA主题模型 | 原理详解与代码实战

• 十大排序算法及其Python实现

• 几个Python“小伎俩”（续）

???? 其他AI相关

• 对 比 学 习 小 综 述

• 增量学习(Incremental Learning)小综述

• Embedding技术回顾

• 真不是炼丹，务实敢为的 MoCo v3

• 如何利用多任务学习提升模型性能？

• Multi-Task 多任务学习， 那些你不知道的事

• 跨界出圈 | 谈谈BERT跨模态预训练

• 复旦邱锡鹏教授 | 『语言+X』预训练模型

• 微软亚洲研究院周明 | 从语言智能到代码智能

• 模型压缩 | 知识蒸馏经典解读
  

 ???? 面试锦囊系列

不管是刚入门的新手、准备面试的同学或是温故知新的前辈，都能通过这一系列的文章收获到或多或少的帮助????

知识整理

全面（是不太可能的）整理算法岗知识点，帮助大家查漏补缺。

• 聊聊2021秋招互联网薪资
  

• 关于BERT，面试官们都怎么问

• 关于Transformer，面试官们都怎么问
  

• 关于ELMo，面试官们都怎么问

• 关于SVM，面试官们都怎么问

• 关于逻辑回归，面试官们都怎么问

• 【代码+经验】阿里云tianchi新闻文本分类大赛rank4分享

• 聊聊『白板面试』

• 14种模式搞定面试算法编程题（PART II）

• 14种模式搞定面试算法编程题（PART I）

面经分享

不定期整理朋友们的面经分享出来，查漏补缺。

• NLP算法求建议 | 腾讯 VS 美团

• [211渣硕] 腾讯/阿里/携程 详细NLP算法实习 面经

• 美团算法 SP  | NLP 三面复盘

• 秋招算法岗，面试复盘

• 社招一年半 | 微软、腾讯、网易算法岗热乎面筋

• 双非科班 | 中科大软院考研经验分享

• 我的2021秋招 | 互联网、银行、选调 经验分享

• 算法岗通关宝典 | 社招一年经验，字节5轮、阿里7轮

• 还愿！美团算法工程师面经分享

• 三大部门七场面试，终拿字节AI NLP 算法offer

• 阿里、腾讯 | 算法岗面试复盘

• 腾讯 WXG  | 技术研究-NLP算法三面复盘

• 商科转码之路 | 我的算法岗寒假实习面经
  

• 2021秋招算法面经集合 | 华为、百度、腾讯、美团等
  

• "算法"于招聘：一位算法工程师的深度思考

• 曲线救国 | 双非"渣硕"的秋招路

• 超强整理，科班算法岗的秋招之路

• 面试锦囊 | 复盘百度算法岗全三面（已OC）

• 百度 | 一份迟来的提前批机器学习面经

• 算法面试大乱斗

• 算法岗面试复盘(上）| 阿里、百度、作业帮、华为

• 百度算法提前批 面试复盘

• 字节跳动算法 提前批offer复盘

• 字节跳动AI-Lab 算法岗面试复盘

• 算法岗面试整理 | 腾讯、字节、美团、阿里

• 暑期实习 | 百度NLP算法岗面试复盘

• 【社招】1年工作经验，字节跳动算法面经

• 达摩院+华为 | NLP博士的春招历程

• 豪取BAT！超详细暑期实习算法面经(非科班无论文)

• 超强整理，非科班小硕的进击之路

• NLP面经集结 | 达摩院、腾讯、微软、美团、百度

• 来看看offer收割机的烦恼

• 腾讯+头条 算法双杀面经

• 六面！终斩腾讯NLP暑期实习offer

• 字节跳动AI-LAB | 算法三轮技术面分享

• 超详细！腾讯NLP算法岗面经（已offer）

• 字节AI Lab-NLP算法热乎面经

• 字节跳动 算法全四面 详细面经
  

???? NLP简报系列

主要选取最近AI和NLP社区发生的新闻时事，在几分钟的时间内带大家了解领域最新前沿发展。

• NLP简报（Issue#1）

• NLP简报（Issue#2）

• NLP简报（Issue#3）

• NLP简报（Issue#4）

• NLP简报（Issue#5）

• NLP简报（Issue#6）

• NLP简报（Issue#7）

• NLP简报（Issue#8）

• NLP简报（Issue#9）

• NLP简报（Issue#10）

• 什么值得看 | 0307——0313

• 什么值得看 | 0124——0130

• 什么值得看 | 最新论文、硬核项目、优质资源！

• 什么值得看 | 0110——0116

• 什么值得看 | 0102——0109

???? 推荐搜索与图 

推荐搜索，工业界宠儿

• 重磅整理！推荐系统之深度召回模型综述（PART I）

• 重磅整理！推荐系统之深度召回模型综述（PART II）

• 重磅整理！推荐系统之深度召回模型综述（PART III）

• BOOM！推荐系统遇上多模态信息

• 如何将用户行为和属性用于推荐系统？

• Attention！当推荐系统遇见注意力机制

• 万物皆可Graph | 当推荐系统遇上图神经网络

• 深度融合 | 当推荐系统遇见知识图谱

• 深度融合 | 当推荐系统遇上知识图谱（二）

• 深度融合 | 当推荐系统遇见知识图谱（三）
  

• 谷歌 ICLR 2020 | 向量化召回也需要『预训练』
  

• 全方位解读 | Facebook的搜索是怎么做的？

• 建议收藏！早期人类驯服『图神经网络』的珍贵资料

• 通俗易懂 | 图神经网络入门笔记

• Graph-Bert：没有我Attention解决不了的

• DeepWalk：图网络与NLP的巧妙融合

• Node2Vec：万物皆可Embedding

• LINE：不得不看的大规模信息网络嵌入

• SDNE：深度模型图网络

• 图嵌入表示TADW：当DeepWalk加上外部文本信息

• 200+篇Graph4NLP文献集：图深度学习在NLP任务的应用
  

???? 技术思考 & 趣味杂谈

在不断深入细节的同时，也不要忘记停下来思考。永远有料，永远有趣

• 独家专访@爱可可-爱生活：如何做好科学研究（干货满满）

• 李沐：工作五年反思

• 李沐：博士这五年
  

• 无心插柳 | 聊聊我的 ACL2020 论文
  

• 业务，工程和算法的互殴现场
  

• NLP，吹爆与落地

• 自然语言处理「迷惑行为大赏」

• 自然语言处理「迷惑行为大赏」第二季

• 假如BERT系列论文变成Commit History

• 【一分钟系列】有趣的数学可视化

• 【思考】电商问答系统的产品侧讨论

• 【思考】虚拟试衣 | 智能服饰搭配 方案总结

• 我是如何收集信息的

???? 学习资料分享

收集整理了一些高质量的资源，之后会定期更新到github上），欢迎star点星星~  

https://github.com/KaiyuanGao/NLP-RoadMap

• 后台回复『BERT源码』： 超详细BERT源码解读PDF

• 后台回复『CNN/RNN/fasttext/HAN/RCNN』：对应的文本分类模型解读与代码实现

• 后台回复『TS』：Transformer模型完全解读

• 后台回复『BT』：BERT模型完全解读

• 后台回复『线性代数』：斯坦福大学应用线性代数教材与PPT

• 后台回复『enlp』：NLP中的Embedding完全解读

• 后台回复『rlbook』：强化学习圣经教材

• 后台回复『sjwl』：神经网络与深度学习最新版教材

• 后台回复『pandas』：Pandas库完全使用指南PDF

• 后台回复『tf20』：Tensorflow2.0 中文版书籍

• 后台回复『ptnlp』：Pytorch与NLP书籍

• 后台回复『mlpdf』：机器学习教程pdf

• 后台回复『tjxx』：李航老师统计学习PPT

• 后台回复『cmunlp』：CMU的NLP课程PPT

• 后台回复『nndl』：神经网络与深度学习相关资料

• 后台回复『book』：AI学习必备中文四件套

• 后台回复『ADL2020』：台湾大学应用深度学习PPT与视频

• 后台回复『icml』：icml 2020 论文全集

• 后台回复『ml666』：机器学习路线图整理

• 后台回复『南大模式识别』：南大模式识别PPT

• 后台回复『DLM』：李航老师搜索推荐中的深度学习

• 后台回复『文本分类』：文本分类综述

• 后台回复『事件抽取』：事件抽取综述

如果上述资料有误或者想要加群，可添加我的微信哈~

- END -

今天全是往期推荐，记得三连，嘿嘿！