NLP （Natural Language Processing，自然語言處理） 是人工智慧（AI）的一個子
領域
，它研究能實現人與計算機之間用自然語言進行有效通訊的各種理論和方法。其中，
自然語言（
通常是指一種自然地隨文化演化的語言
）
是人類智慧的
結晶
，而
自然語言處理則
是人工智慧中最為困難的
問題
之一。
一般來說，自然語言處理的工作流程主要包括如下三個步驟：
1。 按格式儲存自然語言：將收集到的各類形式的自然語言按固定格式進行儲存；
2。 將自然語言轉譯成計算機語言：透過演算法將自然語言編碼成計算機能理解的語言；
3。 分析轉譯後的語言並輸出結果：根據需求輸出分析結果。
NLP（自然語言處理）
現實生活中，從事於自然語言處理相關工作的人員往往都是研究生及以上的高技術類人才，這也暗示著成為高薪的NLP演算法工程師的門檻。但是就目前而言，NLP（包括人工智慧的整個行業）還是非常缺人才的，尤其是專業能力強的優質人才。
近年來，由於深度學習（Deep Learning）的框架興起以及Github官網開源了越來越多的專案，
NLP演算法工程師的門檻還是有所降低的，越來越多的NLP工程師透過學習“相對簡單”的深度學習框架：Pytorch、Keras等和使用開源專案來解決已有的問題。但就目前行業而言，很多大公司並不滿足於招上述這類創新能力不足的NLP工程師，他們最需要的還是兼顧科研能力和工程能力的NLP演算法工程師。
這類“搶手”的NLP演算法工程師必須具備以下3種特質：
1。基礎知識牢固：腦內有完整、清晰的知識體系，已有各類的機器學習、深度學習演算法爛熟於心，能熟練推導演算法中的每一步計算過程。同時，對每年經典的頂會論文都能如數家珍，時刻掌握最新的前沿NLP科技。
2。科研能力強：可以將遇到的問題轉化成若干個子問題，並透過腦記憶體儲的論文知識找到對應的解決方法。更重要的，應在已提出的解決方法的基礎上進一步最佳化、創新演算法，從而達到更好的效能。
3。工程（專案落地）能力強：需要能從工程角度來解決問題，在專案落地的過程中，綜合從資源排程、程式碼複用程度、產出時間、執行效率等角度。
總的來說，一位“搶手”的NLP演算法工程師必須具備解決實際問題，同時讓專案落地的能力！
