图灵汇官网

今天中午，我和褚师姐以及孙老师讨论了专业基础的问题。大家都认为专业基础非常重要，而我们自身的基础确实还有待提升。

从2011年到现在，我在多个团队中工作过，包括硕士期间、计算所实习期间、博士期间以及在诺亚实习期间。观察了各个领域的高手之后，我意识到自己的基础知识仍然相对薄弱。这些基础知识主要包括机器学习与数学知识、专业知识、编程能力和英语读写能力。对于研究生阶段的科研来说，前两项基础显得尤为重要，它们在很大程度上限制了个人的发展。虽然目前的基础足以应对毕业要求，但如果要进行前沿的研究，现有的基础还远远不够。

实际上，我也曾尝试过提升自己的基础。例如，在机器学习和专业知识方面，我曾间歇性地努力加强学习，但往往缺乏全面系统的补充。这种学习方式通常是“头痛医头，脚痛医脚”，今天某个领域热门就去学习该领域的知识，明天另一个领域流行又去学习它。这种快速学习的方式虽然短期内可以见效，但从长远来看，缺乏对整体框架的理解，难以取得真正的成就。正如我国男足一样，基础不牢，一切都无从谈起。

我曾尝试组织学习班，但两次都未能成功。总结失败的原因有三：首先，我们的基础知识并不扎实，面对难题往往无法克服；其次，大家的时间安排不同，难以集中精力一起学习和讨论；最后，我自己缺乏持续的热情和组织能力，导致学习班中途夭折。

尽管如此，我还是希望能够再次尝试。几年前在硕士期间，我们曾经坚持一起学习和讨论，虽然有些内容理解得不是很透彻，但至少掌握了基本概念。这让我思考，成功的两个关键因素是有人愿意花费时间带领大家，以及大家对学习的热情。

今天的聊天也让我意识到，很多新入门的同学需要有师兄师姐的引导。我非常感激那些曾经帮助过我的人，他们把我从门外汉带进了学术的大门。这次，我希望能找到几位有共同兴趣的师弟师妹一起深入研究和讨论。

目前，我计划从深度学习在自然语言处理中的应用（DL4NLP）入手，重点讲解神经网络、词嵌入、GRU/LSTM、短语/句子嵌入、编码器-解码器到多任务学习等内容。希望通过2-3次学习班，帮助大家入门深度学习，并进一步普及机器学习和自然语言处理的相关知识。

讨论版主页：[链接]

第一次讨论班的相关资料： 1. 基于机器学习的文本分类技术研究进展 2. Deep Learning in NLP（一）词向量和语言模型 3. 如何生成好的词嵌入 4. word2vec工具 5. word2vec使用指导 6. word2vec简单讲解 7. 自然语言处理中的经验主义与理性主义 8. word2vec中的数学原理详解 9. 文本分类语料库 10. 如何使用Word2vec词嵌入作为分类器的特征

第二次讨论班的相关资料： 1. 神经网络 2. 语言表示：从词嵌入到句子意义 3. 深度学习学习笔记整理系列之（七） 4. 卷积神经网络的直观解释 5. 为什么在卷积层中使用共享权重？ 6. 了解LSTM网络

第三次讨论班的相关资料： 1. 学习长期依赖关系的RNN 2. 时间反向传播与消失梯度 3. LSTM如何防止梯度消失和爆炸问题