其实我觉得NLP稍微难一些
抽象，歧义多，一词多义，表达方式多这些都是他的特点，但是我觉得最难得还是主观性太强
我们在日常生活表达的时候都只会说个大概，听者会自动补全描述语。并且，在不同的环境下，同样的句子你可能补全的也不一样。
这只是个人观点。我也想听听大家的观点，欢迎大家留言
一个比一个难~~~
毫无疑问nlp,看看落地就知道了
如果说推荐系统还能走5年，cv还能走10年，那么nlp还要走50年
我是研究NLP的，NLP比CV难。CV在很多领域已经达“出神入化”，然而NLP个人感觉还处在婴儿期。虽然最近已经出现了想BERT这样强悍的工具，但是其强悍的原因：不是BERT太强，还是同行的衬托。
NLP难得原因就在于，其数据是非结构化的，模糊的，信息的分布是稀疏的，多变的，歧义的。没有固定的套路去适应它。
其实，只要是涉及到人的因素存在的研究，都充满了未知和不确定性。交通领域，CV领域，NLP领域，处理多变的认为因素是相当难的一环。为什么CV领域也有认为因素呢？手写文字识别就涉及到每个人书写的个性化，在通用文字识别已经很准确的现在，手写文字识别的准确率还不是很理想。
哇大佬这个解释好深刻！
CV的特点就是依靠非常巨大数据的训练，让计算机形成固定的识别套路，从而去识别一些事物。NLP现在的方法也基本如此。但是猫可能都一样，文章可就千差万别了，想要NLP也形成这种套路，代价是很大的，而更关键的是，这种套路可能在NLP上不管用。
用目前的方式分别表示图像和语言，图像有固定的格式（Tensor），字符光是看embedding就抽象死了。
大佬 建议0基础的小白入门NLP吗
过奖了，就是自己的一些不成熟的想法。
来呀，一起接受NLP的历练呀！
感觉CV和NLP最终会结合起来，比如语义理解
我现在就是什么都玩一点，还没找到真正感兴趣的方向
cv有借鉴语义的，比如字符识别通过conv后送入LSTM转换成序列识别问题
然后你会发现，还是躺着舒服。
现在想通过弄CV进大厂貌似比NLP难，CV有的都要求在CVPR有论文，太难了
难道NLP就不需要吗 搞算法想进大厂走技术岗多少都得有篇顶会
天，那我凉了。
PPDE怎么会凉呢，加油搞个顶会/狗头
一个比一个难~~~
毫无疑问nlp,看看落地就知道了
如果说推荐系统还能走5年，cv还能走10年，那么nlp还要走50年
我是研究NLP的，NLP比CV难。CV在很多领域已经达“出神入化”，然而NLP个人感觉还处在婴儿期。虽然最近已经出现了想BERT这样强悍的工具，但是其强悍的原因：不是BERT太强，还是同行的衬托。
NLP难得原因就在于，其数据是非结构化的，模糊的，信息的分布是稀疏的，多变的，歧义的。没有固定的套路去适应它。
其实，只要是涉及到人的因素存在的研究，都充满了未知和不确定性。交通领域，CV领域，NLP领域，处理多变的认为因素是相当难的一环。为什么CV领域也有认为因素呢？手写文字识别就涉及到每个人书写的个性化，在通用文字识别已经很准确的现在，手写文字识别的准确率还不是很理想。
哇大佬这个解释好深刻！
CV的特点就是依靠非常巨大数据的训练，让计算机形成固定的识别套路，从而去识别一些事物。NLP现在的方法也基本如此。但是猫可能都一样，文章可就千差万别了，想要NLP也形成这种套路，代价是很大的，而更关键的是，这种套路可能在NLP上不管用。
用目前的方式分别表示图像和语言，图像有固定的格式（Tensor），字符光是看embedding就抽象死了。
大佬 建议0基础的小白入门NLP吗
来呀，一起接受NLP的历练呀！
感觉CV和NLP最终会结合起来，比如语义理解
cv有借鉴语义的，比如字符识别通过conv后送入LSTM转换成序列识别问题
然后你会发现，还是躺着舒服。
现在想通过弄CV进大厂貌似比NLP难，CV有的都要求在CVPR有论文，太难了
难道NLP就不需要吗 搞算法想进大厂走技术岗多少都得有篇顶会
天，那我凉了。
PPDE怎么会凉呢，加油搞个顶会/狗头