在入門的階段最適合做的事情：
（1）閱讀和學習自然語言處理（natural language processing，nlp）綜述類文章和圖書，對nlp有一個基本的認識，梳理nlp研究內容的演變，包括nlp從誕生到多次繁榮發展和多次停滯不前的原因，正確認識nlp與人工智能、機器學習、自然語言理解、計算語言學、文本挖掘等概念之間的區別與聯繫（除了我下面推薦的圖書、文章和代碼，一定要多百度和google尋找學習資料）；
（2）做一些非常簡單的nlp入門小任務，通過小任務理解自然語言處理的流程（包括中英文nlp處理流程的差別）；
（3）快速學習一門開發nlp技術的編程語言（基本就是python了，不需要學習網絡編程等部分，重點掌握python基本語法、文件讀寫與編碼、正則表達式、gensim、numpy、pandas、matplotlib等的使用）；
（4）學習機器學習的相關概念，如：模型評估與選擇、有監督學習、半監督學習、無監督學習、強化學習、遷移學習（只需要學習和認識其原理，做到心中有數即可）；
（5）關注各大內容大V，如：微信公衆號（paperweekly、新智元、AI科技大本營、機器之心、人工智能頭條等），知乎（一搜自然語言處理或者nlp就能看到好多大V），博主（我愛自然語言處理等），因爲每天各大V都會發布很多的新聞和內容，初入門的小白不建議全篇深入閱讀，感興趣的可以收藏起來以後看，大部分就瞭解一下（1）“誰”（2）“幹了啥，咋乾的”（3）“啥效果”，然後讀了這個文章的報道（4）“自己有啥想法”，就可以了（注：有一個小細節上的建議，就是在平日裏有任何idea最好都要在手機或者任何地方的備忘錄裏記一下，也要儘快多實踐以驗證idea是否有效）；
（6）瞭解國內外nlp的協會組織（如：中文信息學會、中文信息學會青年工作委員會、ACL等，主要查找和閱讀協會開闢的專欄、組織撰寫的綜述、看看最近都組織了什麼會議和比賽等）、主要的大型nlp科研團隊（斯坦福、多倫多、清華、北大、哈工大、復旦、中科、deepmind、google brain、openAI等高校、院所和科研機構的自然語言處理小組，看看他們都在研究什麼）；
（7）關注“中國中文信息學會”的微信公衆號，時刻關注ACL、IJCAI、ACML、SIGIR等頂會論文報告會（由中文信息學會組織，報告的人都是當年被頂會錄取的論文的國內作者和大佬，來自各大高校和院所，整個報告會和國際會議的日程都是一樣的，都有coffee break可以在茶歇的時候近距離與大佬交流，是一個近距離與國內各大NLP大組老師、同學交流的機會，看看大廠們都在幹什麼，推薦有機會的話一定要去聽一下報告，但一定要保證已經看過很多論文、並且有一定基礎再去聽，完全零基礎不建議去，會議比較火爆和受歡迎，建議時刻關注儘快報名）。
nlp非常容易入門的原因是這是一門非常開放的學科，各大高校、學者都有一顆開放的心，源碼經常開源、而且有很多優秀的老師有寫博客、博文的習慣，大家都喜歡一有研究成果就立馬放到arxiv或者researchgate上，nlp的研究日新月異、變化的非常快的原因就是“開放”，所以有什麼問題儘量面向百度、google查詢，注意關鍵詞（畢竟是搞nlp的，可以先學習一下檢索的原理，然後就知道怎麼檢索能儘快找到你想要的的東西），檢索的結果重點關注reddit、medium、csdn、arxiv、researchgate、知乎、stackoverflow、github等上面的內容。
可參考學習和實踐的鏈接如下：
- 復旦大學邱錫鵬組實驗室新生一般完成的五個NLP練習上手實驗（NLP四大類任務：分類、序列標註、文本匹配、文本生成，都需要完整實現一遍）。
https://www.zhihu.com/question/324189960/answer/682130580?utm_source=wechat_session&utm_medium=social&utm_oi=952466020582064128 - 自動化所宗成慶研究員：讀懂NLP的過去與現在（梳理的非常好，把各個概念之間的關係和NLP的發展都梳理清楚了）
https://mp.weixin.qq.com/s/xgySwq2m-mHT7XG1zZGpzw - 中文自然語言處理入門實戰
https://mp.weixin.qq.com/s/5z7Xy4NL-buUkpBmv4iIpw - 自然語言處理全家福：縱覽當前NLP中的任務、數據、模型與論文
https://mp.weixin.qq.com/s/sQ903WNSR4v367t78_VG1Q - 中文信息處理髮展報告（綜述由中文信息學會統籌，國內各大NLP專家撰寫，非常適合入門瞭解NLP）
http://cips-upload.bj.bcebos.com/cips2016.pdf - Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]
https://ieeexplore.ieee.org/document/6786458 - Natural Language Processing: A Review
https://www.researchgate.net/publication/309210149_Natural_Language_Processing_A_Review - A Review of the Neural History of Natural Language Processing
http://ruder.io/a-review-of-the-recent-history-of-nlp/ - 鄧力和劉洋大神合著的圖書《Deep Learning in Natural Language Processing》
（就不給鏈接了，百度或google搜索，有中文連載、英文原版的原版圖書購買、pdf分享或者課程） - 宗成慶研究員所著《統計自然語言處理》（經典之作）
- Steven Bird所著《Python自然語言處理》（快速掌握python開發nlp技術的各種能力）
- 機器學習 → 推薦周志華教授所著的《機器學習》
- 深度學習 → 推薦Ian Goodfellow等人合著的《Deep Learning》
- 開發框架 → 首推Pytorch，推薦陳雲的《深度學習框架Pytorch入門與實踐》或者廖星宇的《深度學習入門之Pytorch》
- Tensorflow學習 → 推薦黃文堅、唐源的《Tensorflow實戰》
（注意有些情況需要“科學上網”，一定要掌握google和google scholar的使用）