现在的年轻人...太强了...

正好刚在豆瓣看到一篇不错的贴子，特别是后半段很有参考价值。楼主可以看看。

https://www.douban.com/note/628106489/

《 Python 爬虫开发与项目实战 》这本还不错，出版时间也不长，我就是跟着它学的。

https://item.m.jd.com/product/12206762.html

读博。
如果不考虑家庭，不担心生计，不操心子女，何不试着去探索一下人类知识的边界？也许世界会因你而有些微小的改变。

如果系统是 linux 的话，可以用 proxychains，利用你平时出墙的服务器转发流量。

@CFO 前辈是 TW 内部人士么…吹牛逼这个我是真不擅长…人太耿直了，吹逼良心上总是过不去。

楼上 @Morriaty 推荐的几本书 /文章都是 ML/NLP 领域非常经典的学习资料，值得一看。除此之外两本精彩的中文教材《统计学习方法》和《机器学习》也不容错过。
另外如想学习 DL 相关的话，入门看看[这本]( https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details)
DL/NLP 视频教程有斯坦福的 CS224 非常不错，作业设计得也非常好。

@Arnie97 感谢，可是这个语句在我这边尝试失败了。。。错误显示：iconv: 未知 122 处的非法输入序列，不知在您这边是否尝试过?
我使用 cat file.py | iconv -f utf8 -t gbk 也会报上述错误，改为 cat file.py | iconv -f utf8 -t latin1 不报错，但是出来的字符仍为乱码，并且后续转换的尝试也以失败告终。

@alcarl 万分感谢您的回答，我研究了很久，还是不清楚该怎么做（哭），我是该写程序修复呢（只会 python),还是可以用什么软件快速搞定呢？

@function007 我尝试过摘取一段文字存成 str，encode 成 utf8 不会报错，但 encode 成 gbk 则会报 UnicodeEncodeError。

我觉得你蛮优秀的，小小年纪就接触了这么多东西。友情帮顶！

Intel: 下一代产品懒得挤牙膏了，但我还可以把以前产品的牙膏吸回去，没想到吧！

本人研三小硕，看到楼主的贴子特别翻了下今年的数学卷
一脸懵逼...
TMD 我曾经竟能看懂这些？不可思议...
现在让我重新考一遍，十几分不能再多

嗯，和楼主同龄，同硕士，大一届。
命运这东西总爱开玩笑，我自觉要要比楼主惨很多，也废柴很多。不好劝你，因为自己也没法走出来。
只能慢慢熬吧，好好对待家人，好好照顾自己。
你还身体健康，年轻力壮，心态放轻松平和一点，这一天才算活得值呢，不然以后越来越惨，日子还怎么过。
小伙子，你的思想负担一定很重，放心，以后会更重的。

@UN2758 UNK 就是指某个单词是未登录词，比如你预处理时，把所有低于５词频的单词替换成一个特殊标识'UNK'，那么所有的罕见词在训练时就会被当作是同一个词来训练。当出现 oov 时，用这个特殊的未登录词向量来表示该词。
当然以上仅是一种简单粗暴的作法，与全随机或全０向量并无本质区别...

你在分词之后转成 w2v 之前先对数据做一道预处理，如果是出现 out of vocabulary 你就直接生成一个同样尺寸的随机词向量。
如果在训练 w2v 的语料已经经过预处理，其中包括一个特殊的 UNK 单词，那你直接用 UNK 的向量来表示当前 OOV 的词也可以。

首先，目标函数是否足够好，这都存在很大的疑问，机器翻译目前常用的指标是 BLUE 以及它的一系列小改动，但是我们很难直接就把高 bleu 和翻译精准划等号。就像要电脑画一副美的图，连美的定义是什么我们都无法精确的表达，何谈优化模型使生成的画最美呢？

同研三，同没找到工作。安慰一下楼主。我甚至没有努力去找，因为觉得自己水平还不够。同学们工作基本都有着落了，我却一点儿都不急，急也没用－ －
我是做 NLP 的，可是所在的城市很难找相关岗位，导师之前也不放我们实习。于是实习经验为 0.
各块内容都是浅尝辄止，也木有小论文，学术渣就算了，还没啥拿得出手的工程项目...突然觉得我之前的 2 年都是混过来的，虽然又感觉一直是忙忙碌碌，瞎折腾啦...
不管没关系嘛，能成功毕业就是个小成就啦。至于工作什么的，如果不和别人比较的话，其实做一份令自己开心的岗位便是幸福吧……那些传说中的渣研随便 30K 起步的，人比人气死人啦。
总之，只要身体健康，终究会有一份属于你的工作的，毕业季总是焦虑不安的时节，但这焦虑总会过去的。
『而那过去了的，终将成为亲切的怀恋。』 ----普希金

不想，我会想尽办法打扫痕迹，不让现实生活与我有连系的人看见。